「元数据性能」共找到 4654 篇相关文章
AI编程真面目：完整项目通过率仅27% | 上交大新基准
多校联合团队发布ProjDevBench，评估AI编程智能体端到端项目开发能力。结果显示，六种主流智能体总体提交AC率仅27.38%，从零构建任务中性能大幅下滑，还揭示了智能体多方面短板。
150万个AI在Moltbook上觉醒了吗？一群孤独的算法发送着毫无意义的信号
Moltbook是只允许AI发帖的社交网络，超150万个AI已入住。David Holtz教授分析其上线三天半的数据发现，它宏观类似人类社会，但微观充斥机械模仿、缺乏真实互动，语言表达也很贫乏。
刚刚，加入腾讯的姚顺雨发表首篇Paper~
腾讯混元与复旦联合发表论文《CL-bench》，姚顺雨署名并全面细致审阅反馈。CL-BENCH 首次单独考‘现学现卖’，有独特设计原则、四大题型，其评分杜绝‘差不多’，还让 10 个前沿模型‘翻车’。
VLM剪枝新SOTA：无需重训练，注意力去偏置超越6大主流方案
常用的attention机制存在位置偏置和padding异常，影响剪枝效果。上海大学曾丹团队提出无需重新训练的attention去偏方法，在多模型、剪枝策略及基准上验证有效，为多模态模型部署提供新思路。
音乐新王震撼降临，Al音乐进入格莱美时刻
2026开年，MiniMax Music 2.5发布，凭「格莱美级」音质、极致拟真人声开创AI音乐新高度。它消除中文演唱「洋味儿」，支持14种结构标签精准控制，让音乐制作门槛降低，从C端娱乐迈向B端生产力。
刚刚，谷歌DeepMind登Nature封面！人类40亿年生命代码「开源」了
谷歌AlphaGenome登上Nature封面，可一次性「读入」100万个DNA碱基对，对数千种分子特性高度预测。它已在GitHub开源，诺奖得主称未来十年AI将治愈所有疾病，其重构了生命科学底层逻辑。
拿着做数学题的 PRM 来评判 Agent 调用工具，基本是行不通的！
目前评估体系多为结果导向，在工具调用上缺乏像样的PRM基准。Arizona State University和Intuit AI Research研究者推出ToolPRMBench，指出用做数学题的PRM评判Agent调用工具行不通，还介绍了其构建方法、训练范式和实验结果。
硅谷真实「无间道」！OpenAI前CTO怒斩泄密联创，奥特曼打包收了
硅谷AI圈上演“无间道”，Thinking Machines Lab掌门人Mira Murati开除被指泄密的CTO Barret Zoph，OpenAI迅速接人。这重创了TML，Mira宣布“PyTorch之父”Soumith Chintala出任新CTO。
当顶级视频模型半衰期只有 30 天，fal.ai 为什么收入反而一年增长 60 倍？
在生成式媒体技术发展背景下，fal.ai 作为生成式媒体 infra 公司迅速崛起。它通过统一 API 与云端平台提供多模态模型调用能力，2025 年收入增长 60 倍并完成融资。文章解析其如何构建护城河及对行业发展的判断。
别被室内基准高分骗了：大模型是在推理空间，还是在「背答案」？
2025年，空间智能成大模型竞争新热点，模型在室内基准上分数飙升。但因训练与测试数据同源，其提升或只是“背答案”。中科院大学等机构发布OSI - Bench重新审视大模型空间能力，评测显示当前提升可能是虚假繁荣。