「大模型评估」共找到 9505 篇相关文章
刚刚，DeepSeek梁文锋入选Nature年度十大人物！被称为「科技颠覆者」
《自然》评出2025年度十大科学人物，DeepSeek梁文锋入选，被称为「科技颠覆者」。他的公司发布的R1模型功能强大、价格低廉，训练成本低，还开放权重，为研究者提供经验，其成果已融入国人生活。
智源研究院发布中英文高质量数据集CCI4.0，推动全球人工智能开源创新
2025年5月6日，智源研究院在全球开源创新论坛发布中英文高质量数据集CCI 4.0，同步在多平台开源。CCI 4.0规模大，处理严格，此前CCI系列反响好，未来将持续建设中文预训练语料库。
1B 参数跑出 2B 性能？面壁 MiniCPM5-1B 用 AI 自进化，提速 AGI 进程
全球AI行业陷入资源消耗战，面壁智能绕开物理瓶颈，提出“AI制造AI”路径。2026年5月25日发布MiniCPM5-1B，有越级性能、极致压缩比和均衡能力，源于“模型、框架、数据”自进化范式。
深谋科技独家发布真正为人类服务的新一代人形机器人核心技术「声波传感 · 意念控制 · 高精视觉 · 类脑智能」
2025世界人工智能大会7月将举行，深谋科技作为精英合作伙伴参展。其秉持服务人类理念，携系列核心技术亮相。有独创传感系统、脑机交互方案等，还将推通用具身智能世界模型。
刚刚，真正好用的Windows版「Cowork」上线了
国产大模型昆仑天工发布 Windows 原生「Cowork」—— 天工 Skywork 桌面版，为全球用户提供「Cowork 平替」。它能自动化处理本地文件，支持多模型，功能丰富，价格实惠，还能高效完成复杂任务。
阶跃Step 5 Preview没赢GPT，但反而更好用了
本文作者实测600B参数量的阶跃Step 5 Preview大模型，从写码、幻觉控制、写作三个维度，对比GPT及其他国产头部模型，分享无滤镜真实体验，给出选型参考。
0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench作者新作把AI圈干沉默了
SWE - Bench创建者推出新benchmark ProgramBench，测试AI从零构建软件系统能力。结果一线模型完成率0%，暴露AI擅长局部代码生成，缺全局系统规划能力，引发对其评估方式的讨论。
全靠Claude4！30年FAANG老工程师：AI帮我解决了4年老bug
5月22日Anthropic推出Claude 4系列大模型，Claude Opus 4是领先编码模型。Reddit上30多年经验的前FAANG工程师称，它解决了困扰自己4年的C++ Bug，引发热烈讨论。
2026 年全民养虾，但你养的，到底是谁的虾？
OpenClaw开源引发全民养虾热潮，但多数数据跑在大厂云上。面壁智能推出EdgeClaw Box，适配多款硬件，有本地模型，能断网干活，具安全机制，省钱且技能丰富，还与OpenClaw互补。
RLHF与RLVR全都要，陈丹琦团队最新力作将推理能力拓展到通用智能
普林斯顿大学陈丹琦团队发布学术成果，提出基于模型奖励思维的强化学习（RLMT）方法，弥合专门推理与通用对话能力差距，将链式思维优势扩展到更广泛范围，提升整体对话表现。