「AI测试集」共找到 10848 篇相关文章
96.6%召回率，0美元成本：这款开源AI记忆系统凭什么超越一切付费方案
AI记忆差困扰技术人，MemPalace开源AI记忆系统解决痛点。它可本地运行、0成本，召回率最高达100%，采用独特结构设计和AAAK语言，还能通过MCP提供工具能力，且团队诚实说明偏差。
专治智能体盲跑！微软发布AI Agent 5大可观测性，打通任督二脉
今天凌晨微软官网发布AI Agent 5大可观测性最佳实践，解决智能体盲跑等难题。介绍了智能体可观测性概念和好处，展示5个应用案例，还阐述5大实践，如选模型、持续评估、集成CI/CD等。
全球顶尖AI做物理，被人类按地摩擦？不懂推理大翻车，本科生碾压
港大等机构用3000道物理题测试顶尖大模型，如GPT - 4o、Claude 3.7 Sonnet等，结果模型准确率远低于人类专家。研究推出PHYX基准测试，揭示模型依赖知识、公式和模式匹配，缺乏真正物理理解。
36个月大逆转！他带着谷歌AI杀回来了，下一步世界模型
ChatGPT发布近36个月，哈萨比斯带领谷歌AI反攻，新发布的Gemini 3在多模型榜单登顶，表现优于GPT - 5。谷歌将其作为底层模型开放，增强现有产品，还考虑重启谷歌眼镜项目。谷歌正缩小与OpenAI差距，哈萨比斯预计5 - 10年实现AGI。
手机版openclawd来了，无需Root，让 AI 像人类一样使用你的手机
Andclaw是个人开发者开源的Android自动化工具，核心理念是让AI像人类一样使用手机。它无需Root、电脑，通过无障碍服务读取屏幕内容，让AI分析操作。具备无需Root、独立运行等功能，还支持多模态输入。
如何用AI Coding和Claude Code提升开发效率？看我的全流程复盘
作者分享用AI Coding和Claude Code提升开发效率的经验。先谈AI Coding，如Prompt工程心得、划分任务边界等；后讲Claude Code使用，包括安装、指令、构建项目规则等，还提及它在多场景的应用。
给文档质量"打分"：DIQA-5000 数据集与融合版面语义的 DocIQ 质量评估模型
文档图像质量评估（DIQA）是评判‘增强算法有没有把图变好’的关键工具。过去研究多围绕自然图像，缺文档专用数据集。本文提出DIQA - 5000数据集和DocIQ模型，补齐缺口。
谷歌杀疯了！Gemini CLI 重磅发布：对标 Cursor 的开源 AI 编程神器，个人完全免费
谷歌发布开源AI代理Gemini CLI，个人免费使用，用Gemini 2.5 Pro模型，有100万token上下文窗口，免费额度大。它是全能AI助手，功能强大，与VS Code无缝切换，GitHub项目已获9k+ Star。
硅谷最狠「伪君子」！华人女记者深扒OpenAI：3000亿AI帝国全靠偷数据？
华人女记者郝珂灵深挖OpenAI黑历史，其新书《Empire of AI》引发巨大反响。书中指出OpenAI宣称造福人类，实际是资本机器，其技术发展路径依赖数据和算力，还存在AI让少数人受益、AGI定义模糊等问题。
田渊栋AI创业估值315亿，老黄苏妈都投了，姚班施天麟也是合伙人
离职Meta的田渊栋成AI创业合伙人。Recursive Superintelligence获6.5亿美元融资，估值46.5亿美元。谷歌GV等领投，英伟达等参与。8位联创阵容豪华，要做AI自我改进，押注递归式自我改进。