「真机评测平台」共找到 2249 篇相关文章
DeepSeek-OCR生态爆发！从前端到跨平台，解锁OCR新玩法！
近年来OCR技术应用广泛，DeepSeek-OCR开源后引发开发者关注。文章盘点其四个衍生项目，有轻量级前端应用、Windows桌面应用、全Rust跨平台客户端和专业PDF转换工具，覆盖多场景。
Seedream 4.0大战Nano Banana、GPT-4o？EdiVal-Agent 终结图像编辑评测
在AIGC下一阶段，图像编辑成检验多模态模型关键场景。研究者提出EdiVal - Agent评估框架，能自动化生成指令并多维度评估编辑结果，其评估与人类判断一致性高，还对比了13个模型的多轮编辑表现。
arXiv禁用AI，糊涂！18所高校联合发布首个AI科研评审平台
arXiv因AI生成论文泛滥，禁止接收未经同行评审的综述和立场论文。而18所高校联合发布的aiXiv平台，支持AI和人类共创科研成果，采用多阶段AI同行评审机制，引发对传统学术体系的反思。
全球首个跨本体、跨视角、多模态物理世界模型，CurrentWorld-0 来了！
Current Robotics 发布跨本体、多模态物理世界模型 CurrentWorld-0，它从真实数据学规律，整合跨本体、多视角和力触预测，可评测机器人，解决动作可控性等问题，让评测成训练数据入口。
腾讯智能体开源大动作！关键技术都拿出来了，开发平台还全面升级
在2025腾讯全球数字生态大会上，腾讯云智能体开发平台3.0（ADP3.0）面向全球上线，关键智能体技术将持续开源。新版本功能更新多，还有多个落地案例，如帮伊利、华住等落地智能体。腾讯优图实验室也有开源计划。
2K+ star！这款分分钟搭建 AI 知识库的项目，真的绝了！
GitHub上爆火的开源项目PandaWiki，两周揽2K star，是AI大模型驱动的知识库搭建系统。它将AI能力深度融入全流程，有强大富文本编辑等特色，还能灵活部署，适合中小团队和个人开发者。
规范对齐时代：GPT-5 断层领先，让安全与行为边界更明晰
上海交通大学等团队提出规范对齐概念，构建评测基准 SpecBench 评测 33 个主流模型，发现多数模型有不足。还探索测试时深思方法，如 Align3 能提升规范遵循度，GPT - 5 在规范对齐上断层领先。
GPT-4o连验证码都解不了？？SOTA模型成功率仅40%
MetaAgentX团队推出Open CaptchaWorld平台，用于测试Agent解验证码能力。实测SOTA多模态模型成功率低，如GPT - 4o也被难住。该平台特点多样，揭示了当前Agent短板及模型设计新方向。
警告：你的Agent可能无法"解决"真实世界的视觉问题
文章提出 AgentVista 评测基准，含 209 道任务，横跨 7 大领域 25 个子方向。评测 14 个主流模型，最强的 Gemini - 3 - Pro 准确率仅 27.27%，揭示多模态 Agent 在视觉理解、工具调用等方面挑战大。
两个月前的预测成真：千问APP真的打通了阿里生态
近期AI圈动态频出，Google与沃尔玛合作搞AI购物，Anthropic发布Claude Cowork。而阿里千问App更快一步，1月15日成功接入淘宝、闪购等实现AI购物与办事。千问基于阿里生态打通内部，具备强模型与丰富生态优势。