「评估问题」共找到 3780 篇相关文章
从打分器到思考者：RM-R1用推理重塑模型价值判断
伊利诺伊大学香槟分校团队提出 RM - R1 框架，将奖励建模定义为推理任务。它引入推理奖励模型和链式评估准则机制，经两阶段训练，在多基准测试中表现超大规模模型，验证了推理能力对奖励模型的重要性。
初稿出炉：首部AI数据标注合规标准，欢迎参与起草与研讨
数据标注影响大模型性能，国家正推进数据标注产业发展，但行业合规问题突出。智合标准中心启动《面向人工智能的数据标注合规指南》团体标准研制，初稿已出，邀多方参与起草，标准将助AI企业解决合规难题。
这款小众 AI 产品，真让我眼前一亮
AI笔记应用Granola获4300万美元融资，估值达2.5亿美元。它打破传统会议记录模式，发挥人和AI优势。其创始人分享创业和产品理念，探讨产品决策、用户反馈筛选等问题，还谈及旅行对直觉的影响及产品发展方向。
奥特曼：我不会让儿子和AI交朋友！与丈夫的家庭生活首曝光
2025年奥特曼出席美国国会山听证会，反对强监管，称其会对美AI竞赛造成灾难性影响，还透露OpenAI首个开源模型今夏发布。此外，他分享了智能时代路线图，谈到中美AI竞争等问题，其家庭生活也首次曝光。
二十年老牌 IDE 栽在 AI 上！JetBrains 被差评逼疯批量删除评论，用户怒打更多1星抗议
JetBrains 2023 年 12 月发布的 AI 助手插件下载超 2200 万次，但评分仅 2.3 分。该公司批量删负面评论引用户不满，其还存在安装难移除、体验差等问题。虽推出免费套餐和 Junie 智能体，仍面临成本和竞争压力。
MinerU又开源了！这次专治OCR跨页失忆症
文档解析领域，MinerU团队开源了专门给OCR结果做“后处理”的4B小模型MinerU - Popo。它能把碎成一页一页的OCR结果重新拼成文档级结构，解决了当前OCR跨页逻辑断裂问题，且效果和成本优势突出。
不做手机缩小版：AI 健康记录迁到手腕，要跨过哪些工程鸿沟？
文章围绕HarmonyOS的穿戴应用，如‘小卡健康’等，探讨将AI健康记录迁移到手腕面临的工程挑战。介绍了应用场景、系统能力调用，以及从接口到产品可用需解决的问题，强调要以用户体验为导向进行产品优化。
财报里的AI医生「大为」，撬动京东健康价值重估
京东健康AI医生「大为」让用户足不出户解决就医问题。财报显示其已覆盖超1000种病症，“618”服务用户数同比增近4倍，满意率超98%。它凭借数据、场景和履约能力实现问诊到服务落地，并探索长期健康管理。
Agent开始“自我进化”：会出题、会反思，还会自己长出新技能
文章围绕自进化Agent展开，介绍其概念、受重视原因及三大技术路线，涵盖各路线代表工作的特点、评估及对比，指出研究空白如总结者训练等，最后还介绍了基于Agentic AI的全链路数据助手Dola。
Stripe 发布基准测试：AI 智能体可开发集成方案，但校验环节存在短板
Stripe推出基准测试套件，评估AI智能体构建完整Stripe集成方案的能力，测试聚焦金融系统贴近生产环境的集成场景。测试显示，不同任务类型评测结果差异显著，核心瓶颈在于验证环节，当前智能体短板在校验逻辑等方面。