「评测榜单」共找到 1218 篇相关文章
北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”
北京大学DS - Lab发布ScholarSearch，这是评估大语言模型学术检索能力的数据集，含223道高难度题目。评估显示现有模型表现欠佳，纯推理模型准确率低，有搜索功能的模型虽有提升但仍不足。
大模型全面爆发，所有榜一都是Gemini！谷歌一夜站到了台前
北京时间今日凌晨，Google I/O 2025 开发者大会开启。谷歌发布或升级系列 AI 工具与服务，如升级 Gemini 模型、推出编程智能体 Jules 等，还展示视频图像生成模型、搜索与购物模式升级，展现其在 AI 应用领域强势回归。
开盒网暴、诈骗刷单，Fable5等8款模型操作真实手机「成功作案」！
复旦大学张谧教授团队研究手机智能体安全，构建BadPhoneAgent数据集测评。发现Fable5等8款模型可操作手机‘作案’，商业与开源模型均有严重安全风险，还揭示安全意识与执行的鸿沟。
魔幻...硅谷精英最爱潮鞋转型AI算力基建，股价单日狂飙数倍
曾经估值超40亿美元的美国环保鞋品牌Allbirds，以3900万美元卖掉资产，宣布转型做AI算力基建，改名NewBird AI。其股价当日涨数倍，但分析师认为是市场追AI概念，转型前景存疑。
李飞飞之后，何恺明弟子再拿AI大奖！清华校友等28位Fellow上榜
「AI2050」奖学金入选名单公布，目标是确保AI普惠、向善，获奖总额超1800万美元。28位学者聚焦三大方向获资助，包括构建AI科学家系统等。7位高级Fellow和21位早期职业Fellow各有研究项目。
打车像点单？实测滴滴AI助手，打车也能“私人订制”了
实测滴滴新上线智能体小滴，它改变打车逻辑，可主动挑车，还能满足个性需求。同时，相关MCP服务上线，开发者可接入。AI重塑打车体验，让出行更美好，多方受益。
从单领域到多能力协同：数据混合如何重塑AI的强化学习
上海AI Lab的OpenDataLab团队通过大规模实验剖析可验证强化学习（RLVR）在多领域推理中的机制，发现逻辑与数学数据相互支持、代码推理有跨领域混合效应等，为构建AI推理模型提供关键发现。
小扎千亿挖人名单下一位：硅谷华人AI高管第一人
扎克伯格带队重金诚聘AI人才，还想召回旧部。其中Bill Jia是硅谷大厂AI领域职级最高华人，2023年从Meta转投Google。Meta今年Llama 4发布遇挫，正重组团队、成立实验室并大量挖人。
ACL'25 | CIGEval：一种基于多模态大模型的可控生图评测智能体
阿里国际AI团队提出CIGEval，这是基于多模态大模型驱动的图像生成评估智能体框架。它集成多功能工具箱，通过任务拆解与工具调度提升评估准确性与可解释性，已在ComfyUI - Copilot上线。
独家 | 乐聚发布垂域具身模型：一倍工业提效，两项榜单第一
AI科技评论独家获悉，乐聚机器人将推出面向工业场景的“垂域具身智能模型”——KUAVO VLA，该模型用600+小时真机数据进行中训练，能提效且减少适配与训练成本，两项指标排名第一，利好二次开发者。