「基准测试平台」共找到 3301 篇相关文章
“甲方快乐模型”诞生，拿下平面设计新SOTA！多条件一键生成，还能独立调整元素 | 复旦＆字节
复旦大学和字节跳动团队联合提出CreatiDesign新模型，可实现高精度、多模态、可编辑的AI图形设计生成。它解决了以往方法在处理图形设计时的难题，在多维度评估基准上表现出色，还支持多轮编辑。
AI 创业者的反思：那些被忽略的「快」与「长」
周喆吾分享在 3D AR 社交平台 Presence 的创业反思，强调 AI 创业中‘快’和‘长 context’的重要性，还举例说明 AI 对白领工作的影响、Workflow Capture 做法等，指出产品经理和投资人应提升对模型的认知。
一招缓解LLM偏科！调整训练集组成，“秘方”在此 | 上交大&上海AI Lab等
上海交大和上海AI Lab联合团队提出IDEAL方法，可提升LLM综合性能。研究发现SFT阶段数据数量非关键，配比不当会加剧模型“偏科”。以Llama3.1 8B测试，IDEAL能提升代码能力，还指导了超参数选取。
深夜突袭！谷歌Gemini 2.5 Pro更新蝉联榜一：推理超越o3，编程超越opus4
深夜谷歌对Gemini 2.5 Pro模型重大更新，在编码、推理等测试中超越o3，几周内成稳定版。其价格优势大，还增加思考预算，输出风格和结构改进，用户实测反馈佳，但发布不久被越狱攻击。
产学研深度融合样本：高校教授携手昇腾，共筑AI算力生态基石｜甲子光年
本文对话华南理工大学陆璐教授，他有丰富业界经验，回归学界后聚焦AI算力平台性能优化。其团队与昇腾合作解决性能挑战，成果用于开源与产品集成。陆璐还对算力生态未来给出战略与实操建议。
LeCun新作反杀AGI派！AI连「鸟」都搞不懂，拿什么超越人类？
图灵奖得主Yann LeCun联手斯坦福团队最新论文揭示，LLM仅在粗糙分类任务表现优秀，精细任务却失灵。研究测试30多个大模型，得出三大发现，指出LLM与人类在概念形成和信息处理上存在本质差异。
字节扣子空间上新一键转播客功能，现在我们真成同事了｜甲子光年
5月27日，字节跳动旗下AI协同办公平台扣子空间新增播客功能。其播客音频生成功能让AI从‘说什么’跨越到‘怎么说’，适用于多场景。扣子空间还具备跨模态协作等能力，引入MCP协议，免费开放核心功能。
微软开源浏览器Agent，可实时跟踪、控制智能体，超4000颗星
微软在官网开源用于浏览器网络任务的Agent——Magentic - UI，基于Magentic - One开发，支持人机协同。GAIA测试显示其能提升任务完成率和准确率。它以人为本，有独特机制，框架含多阶段，在Github超4000颗星，支持MIT许可证商用。
颜水成领衔，给AI分段位！超100款多模态模型，无人达到L5
十所顶尖高校联合发布General - Level评估框架和General - Bench基准数据集，用五级分类制明确多模态通才模型能力标准。评估超100款模型，发现多数在L2 - L3，无L5模型，揭示当前模型不足。
Anthropic首次启动员工股票回购，估值615亿美元
Theinformation消息，大模型平台Anthropic推出首个员工股票回购计划，面向工作至少两年的现任和前任员工，最多可售20%股权，每股56.09美元，公司估值615亿美元。此计划预计月底完成，方式独特，优势明显。