「评价指南」共找到 371 篇相关文章
很多创业者都没意识到，Deep Research 也是做 Go-to-Market 的利器
用好 Deep Research 可提升 AI 产品 GTM 效率，主流 AI 产品都有该功能。前 Meta 战略总监写实用指南，从技巧、提示词公式、工具选择等阐述，还给出 5 个 GTM 用例及提示词模板。
谷歌深夜放出 IMO 金牌模型，多项测试力压 Grok 4、OpenAI o3！网友评论两极分化
8月1日晚谷歌向Ultra订阅用户推Deep Think功能，Gemini 2.5 Deep Think模型在IMO夺冠。它是多智能体模型，能并行处理问题。多项测试中表现优于Grok 4、o3，不过网友评价不一。
一文探析多分类指标Accuracy/Precision/Recall/F1-score
文章探讨机器学习分类模型评价指标，指出Accuracy在不平衡数据集有缺陷，需引入Precision、Recall和F1 - score。分开解析二分类和多分类模型指标，还给出不同场景下指标侧重建议。
使用 Claude Code：会话管理与 100 万 上下文
本文是 Claude Code 的产品使用指南，介绍了其新更新的 /usage 命令，阐述了上下文、压缩、衰减等概念，还给出会话管理建议，如何时开新会话、用回溯替代纠正等，助用户用好该工具。
重新认识具身行业，从自变量的这封邀请函开始
具身智能行业存在评分、技能、样品、商业四大‘气泡’，即认知偏差。自变量机器人将在发布会上戳破‘气泡’，打破认知差，重建评价标准。行业‘拐点时刻’需大脑能力突破、真实场景稳定运行、跑通ROI闭环。
Anthropic用GAN思路解决AI产出质量问题
Anthropic工程师发现AI会自我欺骗，无法准确评价自己工作。他们借鉴GAN思路，让Generator生成、Evaluator验收。校准Evaluator使其严格，还为前端设计定审美标准，实验证明挑刺搭档能提升AI产出质量。
阿里千问负责人林俊旸突然离职，AI圈刷屏：Qwen 开源时代要变了吗？
3月4日凌晨，千问核心负责人林俊旸在X发文卸任。他是阿里最年轻P10级技术专家，主导研发多个关键项目。其离职引发关注，网友猜测Qwen或转向闭源，业内人士对他评价颇高。
情人节最硬核“Kiss”！中国AI突破300年亲吻数难题，连刷多维度纪录
中国AI打破300多年的亲吻数难题。上海科学智能研究院等团队提出PackingStar系统，刷新多维度世界纪录。它将难题转化为多智能体博弈，成果获高度评价，还体现了AI for Science 2.0特质。
卡帕西大模型横评方法太好玩了！四大AI匿名参赛评分，最强出乎意料
卡帕西发布“大模型议会”web app，系统通过OpenRouter调起多模型开会商议，各模型答题、互评、排序，由主席模型给出统一答案。可对比模型差异，模型自评与人类主观或不同，多模型集成或成突破点。
GPT-5最大市场在印度？Altman最新访谈：可以聊婚姻家庭，但回答不了GPT-5为何不及预期
2025年8月8日OpenAI发布GPT - 5引发热议。虽受部分用户质疑，如反应慢、回答不准确等，但企业级市场反馈良好。OpenAI CEO Sam Altman在访谈中谈其特性、应用等，还探讨AI对各领域影响及社会问题。