「端到端测试」共找到 4037 篇相关文章
正确答案 ≠ 正确推理,CoT 或成大模型推理能力停滞的「罪魁祸首」?
研究指出当前大模型推理能力评估多关注答案准确性,忽视推理步骤。通过对前沿模型测试发现,2023 - 2024 年大模型推理能力提升停滞,进步靠提示工程,自底向上策略最有效。
浏览器里的 AI 革命:前端工程师的新战场
AI 进入浏览器和前端,JavaScript 扮演新角色。浏览器端 AI 崛起,能在本地提供智能服务。AI 可增强 JS 应用,有多种工具支持,但也面临性能、模型尺寸等挑战,未来前景广阔。
刚刚,OpenAI开放GPT-4.1,100万上下文、代码能力超强
今天凌晨1点30,OpenAI宣布开放GPT - 4.1,可在ChatGPT中使用。它针对编码任务,支持100万tokens上下文,在多项测试中表现优于前代,价格更优,不同用户将陆续获得使用权限。
Agent记忆系统:6大核心操作全景解读
自LLM进入Agent时代,记忆模块成研究重点。以往研究有缺憾,作者提出全面AI记忆研究框架,对记忆表示分类,引入六种基本记忆操作,并映射到多方面,还阐述各部分具体方法。
刚刚,马斯克自曝:特斯拉与SpaceX或将合并!3.5万亿美元世纪大合体来了
本文报道马斯克在SpaceX财报电话会上自曝,特斯拉与SpaceX已各自成立特别委员会,正式探讨合并事宜,两家总市值预估达3.5万亿美元,文章分析了合并动因、协同价值与潜在挑战。
DeepSeek开源DeepInfer:V4.1-Flash推理框架首次公开
大模型开源此前多开放权重和模型代码,此次DeepSeek将开源推进到推理服务层,公开DeepInfer推理框架及配套组件,开放大模型推理服务核心工程实现,为开发者提供学习参考。
又一个宝藏画图 Skill,329 种画风,像翻字典一样用!
本文解决AI画图痛点:画风难描述、排版乱、色彩不协调,介绍了新开源的handraw-style提示词库,整理329种手绘风格、165种排版图型、36种主题色,编号选款直接生成可用提示词。
让 AI 组队干活,最强模型也只完成约一半任务:AgentWorld 如何评测 Agent 协作能力?
单个AI Agent能力不断提升,但多智能体协作能力缺乏系统评测。本文介绍新推出的AgentWorld评测基准,结合长时程任务、角色不对称与黑盒交互,评测多智能体协作能力,给出主流大模型的协作表现数据。
AI 办公智能体横评:纳米Work / WorkBuddy / 豆包工作,谁才是理想AI助理?
本文作者亲测纳米Work、WorkBuddy、豆包工作三款热门AI办公智能体,从生态适配、模型支持、价格、实际任务完成度多维度对比,帮读者根据自身办公场景选到合适的AI办公助理。
输出token永久免费!Jev爆火后,开源版也跟着火了
本文报道OpenAI前研究员Diogo Almeida推出新型决策模型Jev,砍掉传统LLM文本生成功能仅专注判断,速度提升数十到上百倍,输出token永久免费,爆火后同思路开源模型Nimble随即上线。