「评测标准」共找到 946 篇相关文章
真可用！美团数字人模型开源，MV、电商等统统拿下
美团开源数字人视频生成框架 LongCat - Video - Avatar 1.5 版本，换音频编码器、加速推理，支持多任务与多场景。经770人评测，它在多维度领先对手，各方面表现均衡，效率与质量兼得。
1美元Token撬动4800美元收益！AI挑战百万美元级基准，最赚钱的Agent出现了
Humanlaya Data Lab等机构构建$OneMillion - Bench评测基准，用经济价值衡量模型。它含400道高难题目，覆盖多领域。目前最强模型能产出约50万美元价值，但离可交付专业任务还有距离。
从代码基座模型到智能体与应用：代码智能的全面综述与实践指南
北航、阿里等机构联合发布论文，系统梳理 2021 - 2025 年代码大模型发展。介绍代码基座模型、评测任务、对齐技术等，还提及软件工程智能体、安全防御及训练指南，预言未来编程走向。
李飞飞押注的3D世界模型黑科技，被这篇论文一次性扒光！
李飞飞创业公司World Labs发布空间智能模型成果，推出Marble平台。本文分享3D、4D世界模型技术综述，系统梳理原生表示的世界模型，给出分层分类法、数据集与评测指标，并开源维护。
百川开源医疗增强大模型 Baichuan-M2：更符合中国临床诊疗场景，可 4090 单卡部署
百川智能发布并开源医疗增强大模型 Baichuan-M2，以更小尺寸反超 OpenAI 新模型。它可 4090 单卡部署，成本低，在 HealthBench 评测表现佳，免费开源，更适配中国临床诊疗场景。
当 Agent 成为新的核心云用户：阿里云重新定义“用云范式”
Agent 进入企业速度超预期，调用云资源使云平台需改变。阿里云发布云 Skills 门户，将云能力 Agent 化，通过三层体系处理不确定性，引入 SDD 规范调云链路，还强调开放标准的重要性。
论文解读：一个运算符能导出所有基本函数
波兰雅盖隆大学Odrzywołek发现二元算子EML，结合常数1能生成科学计算器所有标准功能。EML算子简化运算符集合、将离散问题转化为连续优化问题，但存在数值稳定性、表达式非唯一等局限。
GPT-5认为这个模型是开源界的Claude 3.5——陈天桥朋友圈里的 MiroMind ODR 让我眼前一亮
陈天桥用GPT - 5评测自家开源模型MiroMind ODR，让其应对复杂问题。GPT - 5评价该模型是“开源界的Claude 3.5”，其能力让GPT - 5“点赞”，有闭源模型稳定性和可用性，还具全开放架构。
把远程控制封装成MCP，这个国民神器发力了！
向日葵推出重要更新向日葵MCP，将远程控制能力封装成标准接口，让AI替用户远程操控电脑。它功能多样，配置简单，如智能检索设备、支持多种会话类型等，还能一站式搞定多种远程操作。
一块TFT“屏幕”，如何成为AI4S验证新标准？
Anthropic呼吁放缓AI研究，AI for Science领域上下游能力增长矛盾凸显。TFT天然具备阵列化、高密度等特点，与AI for Materials验证需求匹配。领挚科技基于TFT技术为行业提供验证标准，助力科研成果产业化。