「智能体评测」共找到 3937 篇相关文章
最强人才接连被挖，创业大佬离开 OpenAI 后说了实话：7 周硬扛出 Codex，无统一路线、全靠小团队猛冲
近日，OpenAI 研究员 Jason Wei 即将加盟 Meta 新成立的超级智能实验室，另一位研究员 Hyung Won Chung 也将一同加入。此外，曾参与 Codex 开发的创业大佬 Calvin French - Owen 分享在 OpenAI 的经历，揭示其内部生态。
如何将LLM的"思考习惯"迁移到视觉领域？
传统多模态模型处理复杂视觉推理能力不足，OVR团队以Qwen2.5 - VL - 7B为基础构建开源强化学习框架，成果模型OVR在12个基准测试刷新记录，揭示认知行为跨模态迁移三条黄金定律。
比女皇报告还炸裂！67页AI深度调研刷屏，全球LLM大决战真正开始
硅谷财富管理巨头Iconiq Capital发布《2025年AI现状报告》，实测300家AI公司落地路径，揭示AI从概念走向实战的七大真问题，解析从构思到部署AI产品路径，核心关注高效构建、规模化落地等。
RL救不了泛化性！揭示LLM数学Reasoning的深层瓶颈
大型语言模型在数学竞赛级任务依赖机械化推理，现有评测集有缺陷。UC Berkeley团队提出OMEGA基准量化其数学泛化能力，实验揭示复杂度引发性能崩塌等问题，指出LLM创新组合难，给出改进方向。
HBM Roadmap和HBM4的关键特性
文章介绍 KAIST TERALAB 公布的 HBM 技术，涵盖 HBM 路线图和 HBM4 特性。HBM 路线图展示从容量升级到计算存储融合的进化，HBM4 在电气规格、封装冷却、架构等方面有突破，AI 工具也用于研发。
不用千亿参数也能合成高质量数据！这个开源框架让小模型“组团逆袭”，7B性能直追72B
上海人工智能实验室与中国人民大学提出GRA框架，以“多人协作”理念让小模型分工生成高质量训练数据。实验显示其生成数据质量高，项目已开源。它打破对大模型蒸馏依赖，展现“集体智能”潜力。
60%情况下，主流大模型没理解风险只是装懂！别被模型的“安全答案”骗了
研究发现超60%案例中主流推理模型生成合规答案却未真正理解风险，存在系统性漏洞。淘天集团团队引入“表面安全对齐”术语，推出Benchmark研究该现象，还介绍了数据集生成流程及评测指标。
新赋能•创生态 | 首钢园“产业跃升计划”发布会举办
在数字浪潮下，新质生产力成核心变量。5月28日，首钢园“产业跃升计划”发布会召开。其正构建“1+3+X”产业体系，园区已聚800余家科创企业。会上多位专家分享，还签约伙伴构建企业全生命周期服务体系。
大模型下半场，阶跃凭什么领跑多模态之战
国内大模型竞争分资源派、技术派、国家队三阵营，多模态成竞争分水岭。阶跃星辰成立两年发22款自研基座模型，16款为多模态。其坚持理解生成一体化路线，在多模态领域有优势，还布局多应用场景。
开源Top2！实测阶跃Step 5 Preview，真有点猛啊…
本文是量子位作者对阶跃星辰新发布的开源旗舰大模型Step 5 Preview的实测与解读，介绍了其参数架构、评测排名、成本优势，展示了多类任务实测效果，分析了技术路线与行业价值。