「测评体系」共找到 728 篇相关文章
文心新出的推理大模型，给了我们信心
在 WAVE SUMMIT 2025 大会上，百度发布文心大模型 X1.1，是 X1 升级版，发布即上线可免费体验。它在事实性、指令遵循、智能体等能力显著提升，全方位测评表现出色，还开源新模型，展现百度全栈 AI 实力。
从 Langchain 到 Spring AI，我们究竟需要怎么样一个企业级 AI 开发基础设施？
文章指出AI Agent应用开发方式演变快，企业构建AI Agent体系面临挑战。介绍了AI Agent应用架构变化及趋势，如AI应用平台低代码效应、框架与平台双轨并行等，还总结了四类AI Agent框架及企业级框架平台核心考量。
AI竞赛下半场：为什么说“超级工厂”是最优解？
2025年夏天，巨头们因Agent的崛起对AI热情高涨，砸钱堆算力的背后是算力供不应求的困境。云计算因其具备极致的规模化、先进的生产工艺、柔性生产、智能管理和生态链接能力，被认为是AI的“超级工厂”。阿里云作为实例，展示了其完整的AI生产体系。
上线不到一年，收徒百万，首个真人级AI导师技术底牌首次曝光
2025年初，与爱为舞落地国内首个真人级AI一对一导师产品「爱学」，上线不到一年有超百万学员使用。它突破传统AI教育局限，自研全栈技术体系，从多方面打造优质AI导师，为AI Agent规模化落地定义范式。
打破AI能力的惯性评估方式，红杉中国推出全新双轨基准测试xbench｜甲子光年
红杉中国推出全新AI基准测试工具xbench，采用双轨评估体系，构建多维度测评数据集，追踪模型理论能力上限与Agent实际落地价值。还采用长青评估机制，首期发布两个核心评估集并给出综合排名，公开后邀各界完善。
【一手实测】字节豆包 1.6 + Trae + 火山 MCP + FaaS：AI Agent 开发部署全流程体验！
本文作者实测字节豆包1.6系列模型，用其设计落地页，还借助Trae、火山方舟MCP等实现AI Agent开发部署全流程。测评显示豆包1.6多模态能力强，处理复杂指令效果好，价格实惠，字节AI云原生生态前景佳。
小红书hi lab首次开源文本大模型，训练资源不到Qwen2.5 72B 的四分之一
6月6日，小红书hi lab团队首次开源文本大模型dots.llm1，采用MIT许可证。该模型激活参数量140亿，总参数量1420亿，上下文长度32K。训练资源不到Qwen2.5 72B的四分之一，在多个测评中表现出色。
6.1B激活，三榜开源第一！蚂蚁·安诊儿医疗大模型发布
由浙江省卫生健康信息中心等联合研发的开源医疗语言模型AntAngelMed发布。它基于Ling - flash - 2.0，100B总参数仅激活6.1B达约40B密集模型性能，在多个权威医疗基准测评中居前列，采用三阶段训练流程，高效MoE架构。
三重Reward驱动的运维智能体进化：多智能体、上下文工程与强化学习的融合实践
文章阐述了AI原生时代下，面向技术风险领域的智能体系统（DeRisk）的架构设计、核心理念等。介绍运维智能体发展现状，提出其技术演进需找三类Reward，还介绍相关概念、DeRisk架构，给出实践案例并将开源技术产品。
只剩5年？诺奖得主Hassabis放出AGI时间表：还差一两个技术突破
诺奖得主、Google DeepMind掌门人Demis Hassabis给出AGI终极时间表，认为5年内或需1-2项重大技术突破就能跨越障碍。他指出大模型有局限，实现AGI需“世界模型”和“智能体系统”，还称AI将加速科学发现，中国AI模型距美国仅差数月。