「多选题评测」共找到 4600 篇相关文章
1/8成本比肩Claude 3.7，Mistral Medium 3来了
“欧洲OpenAI”Mistral AI发布多模态新模型Mistral Medium 3，主打编程和多模态理解，成本仅Claude 3.7的1/8，性能达其90%，API已上线，还推出企业聊天机器人服务，引发网友不同看法。
AI可观测行平台Lightrun，获7000万美元
AI可观测性平台Lightrun获7000万美元B轮融资，由Accel和Insight Partners领投。它改变传统监测工具局限，实现实时调试修复。连续三季成G2领域领导者，获众多企业信赖，发展迅猛。
给视频模型建一座「全能训练场」：300项任务、可验证奖励，VBVR-Pro系统探索视觉推理
针对原生视觉推理缺少完整训练评估基础设施的现状，NTU等多校联合推出VBVR-Pro系统，构建了从任务构建、模型训练、能力评测到强化学习优化的完整闭环，论文、数据、代码均已公开。
OpenAI押注RSI，国产AI火速交卷！Flash叫板万亿大模型
OpenAI、Anthropic先后公开布局递归自我改进（RSI），国内云知声推出搭载RSI自迭代机制的U2-Flash大模型，本文带来实测表现与技术路径拆解，验证小激活规模对标万亿大模型的可行性。
从李飞飞到朱军，世界模型为什么都开始走向机器人｜甲子光年
本文报道近期多位AI领军者均将世界模型研究转向机器人领域，梳理了朱军团队通用世界模型的五级技术路线，解析世界模型从生成世界走向真实行动的核心逻辑与行业趋势。
27岁研究员连辞OpenAI、Anthropic！两家都在拿我们的命下注
本文报道GPT-4o核心贡献者Jacob Coxon接连从OpenAI、Anthropic辞职并退出AI行业，批判头部AI机构陷入竞速赛，罔顾超级智能失控风险，直指行业需共同踩刹车。
首批GPT-6内测结果好离谱啊。。。
GPT - 6使用资格分批开放，内测玩家抢先体验。其在3D生成、游戏开发、网页制作等多领域表现出色，如15分钟做出Mac应用，空间推理达世界级水平，但运行时Token消耗大。
马斯克的 Grok Bot 正在吞掉电脑，买 Mac mini 的事可以先缓缓
重度使用 Codex 大半年，电脑不堪重负，Agent 任务增多让本地电脑成瓶颈。Grok Bot 将 Agent 工作搬到云端，配云电脑，解决本地硬件难题，还为 Bot 分配独立屏幕，实现人机电脑分工。
OpenAI Astra发布在即，全自动网络攻防能力已突破天际！
OpenAI即将发布的模型Astra，在内部评测中获ExploitBench满分，还发现两个零日漏洞。它能力远超上一代GPT - 5.6 Sol且更听话。不过为安全考虑，OpenAI部署监控，还放慢其研究速度。
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。