「小模型评测」共找到 8713 篇相关文章

算法论文8

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。

深度学习自然语言处理
开源动态8

GitHub Trending 榜一的开源 Cowork 来了!4天4.5K星,首个多智能体工作流应用!

开源项目Eigent冲上GitHub Trending榜首,4天获4.5K+ Star。它是全球首个多智能体工作流桌面应用,完全开源、支持本地模型,有多种智能体工作流,具备本地优先、并行工作流等特性,提供三种使用模式。

开源星探
开源动态8

Gemini 3 Pro加持!这款开源神器 Clipsketch AI,帮你自动抓帧、画图、写爆文!

自媒体内卷,‘视频转图文’是流量入口,简单截图难满足需求。clipsketch - ai 开源项目用 Gemini 3 Pro 和 Nano Banana Pro 模型,实现视频理解、AI 绘画和写作自动化,解决创作者素材整理、版权等痛点。

开源星探
开源动态8

4天拿下13.6k星!Browser Use接上Jev,Agent操作浏览器效率提升10倍

本文介绍上线4天收获13.6k星的开源项目jev-ultrafast,该项目结合Jev快速决策模型优化AI Agent操作浏览器流程,效率提升10倍,解决原有AI操作浏览器卡顿缓慢的痛点。

开源AI项目落地
开源动态9

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。

量子位
产品应用7

我们给OpenClaw加了一双眼睛,来观察我们这平凡的一天。

内容创意组小伙伴用Pocket 3作OpenClaw的“眼睛”,俯拍工位区,截取图片喂给多模态模型描述场景,下班时让OpenClaw分析趣事。还开发了“OpenClaw人类观察计划”,开发过程简单,降低了Agent体验门槛。

数字生命卡兹克
新闻资讯7

19岁天才愤然离开OpenAI!揭国防合同血泪内幕,AI竟成为战争噩梦

OpenAI与美国国防部签约,引发争议。其模型或用于无人机蜂群试验,虽高管称交易金额小,但此举被指是向白宫“投名状”。19岁天才员工因价值观不符愤然离职,前员工也揭露政策变化。

新智元
新闻资讯8

独家|「中科第五纪」完成数亿元A轮融资,率先开启海外商业落地

AI科技评论独家消息,具身智能企业「中科第五纪」近日完成数亿元A轮融资,年内已完成三轮。该公司还收获海外数亿订单。其提出超少样本具身操作大模型等核心技术,形成完整技术体系。

AI科技评论
开源动态8

Qwen3-VL-Embedding系列上新:探索统一多模态表征与排序

2025年6月曾开源Qwen3-Embedding和Qwen3-ReRanker,现推出Qwen3-VL-Embedding和Qwen3-VL-Reranker。它们基于Qwen3-VL构建,能处理多模态输入,在多任务达业界领先,还介绍了特性、评测及使用方法。

通义千问Qwen
开源动态8

首个故事可视化综合评估框架来了!80个故事单元53种类别,20种技术方案全面对比

随着AIGC技术进步,故事可视化引发关注。阶跃星辰携手上科大、西湖大学提出ViStoryBench可视化评估框架,通过构建多元化数据集、建立多维度评估指标,对超20种技术方案评测,为行业发展提供评估工具。

量子位