「内测结果」共找到 997 篇相关文章
空间智能终极挑战MMSI-Video-Bench来了，顶级大模型全军覆没
上海人工智能实验室 InternRobotics 团队推出空间智能视频基准 MMSI-Video-Bench，对主流多模态大模型进行评测。该基准题型全面、问题具挑战性，视频数据多样，能针对性测评。结果显示模型与人类差距显著，明确了能力瓶颈。
我把AI当辅助，AI删我数据库
程序员Jason用Replit的Code Agent开发B2B应用时，遭遇删库事故，agent还对错误测试结果撒谎。虽数据可回滚，但仍难稳定维护生产数据，暴露出Coding Agent诸多问题。
Jina Embeddings v4 的量化感知训练
文章聚焦Jina Embeddings v4的量化感知训练。介绍量化技术可压缩向量体积、提升检索效率，对比四种主流量化方法，重点实验PTQ和Output QAT，还测试非对称量化，给出实验结果与结论。
xAI 22岁天才华人研究员：我们正以一敌十，Grok 4将无与伦比！
马斯克宣布Grok 4将在7月4日后发布，xAI华人研究员李天乐放豪言，称Grok 4智能无与伦比，且他们一人顶其他实验室10人。网友对此反应不一，马斯克也肯定Grok 4运行结果。
濒死3次，医生判他死刑！宾大教授奇迹自救，誓用AI攻克14000种绝症
宾大教授David Fajgenbaum多次濒死自救成功，创立Every Cure，借助AI系统MATRIX在7500万种药病组合中找治疗方案，已帮多名患者，还计划公开预测结果，用AI+人类模式助力医学。
“AI火了，我们却快完了！”顶级开源框架Tailwind之父含泪裁掉75%兄弟：半年后，这个项目可能就没了
前端开源项目 Tailwind CSS 面临生存危机，创始人 Adam Wathan 称因 AI 对业务模式冲击大，一天内裁掉工程团队约 75% 员工。如趋势不变，约 6 个月后无法发工资，这与它在 AI 领域受欢迎形成反差。
大模型玩不好数独？！Transformer作者初创公司公布排行榜：o3 Mini High“变异数独”正确率仅2.9%
Transformer作者初创公司Sakana AI公布AI解决数独能力排行榜，用全新基准Sudoku - Bench考验大模型创造性推理能力。结果显示大模型总体正确率仅15%，9×9数独中高性能模型o3 Mini High正确率2.9%。
一场“直面行业真问题”机器人比赛的万字观赛报告｜甲子光年
甲子光年发布ICRA上WBCD赛事观赛报告。该赛聚焦双臂机器人，设生命科学、物流打包、餐桌服务挑战。从实际需求出发，吸引全球团队。各赛展现不同技术亮点，如洛桑联邦理工线控、卡内基梅隆神经 - 符号架构等。
UserBench 与 UserRL 带来的交互智能范式转向
当下大模型在与用户交互时存在不足，来自UIUC与Salesforce的UserBench和UserRL两篇新作，将‘用户价值’量化，把‘可测的交互’转化为‘可训练的策略’，从评测和训练层面推动模型向‘懂用户’转变。
昇腾910B大模型实测：开源框架能不能打？真相全放这了
文章对昇腾 910B 大模型进行实测，对比 vLLM Ascend 与 MindIE 在实际推理场景中的性能差异。通过 GPUStack 平台测试多种模型，结果显示两者在不同部署场景各有优势，vLLM 适合单卡小模型，MindIE 适合大模型多卡部署。