「基准榜单」共找到 1481 篇相关文章
DeepSeek-OCR是「长文本理解」未来方向？中科院新基准VTCBench给出答案
DeepSeek - OCR的VTC技术可实现高压缩率，降低长文本处理成本。但视觉语言模型能否理解压缩信息存疑，中科院等推出VTCBench评估，测试模型认知极限，还推出VTCBench - Wild检测鲁棒性。
HF日趋榜一！真端到端模型AutoDeco终结手动调参解码
大语言模型手动调参解码繁琐，腾讯AI Lab王琰团队联合港中大（深圳）唐晓莹教授团队推出AutoDeco架构，通过创新训练策略让模型动态预测解码参数，在多模型实验中表现出色且已开源。
刚刚，OpenAI牵手亚马逊，7年380亿美元AI云计算大单到手
OpenAI与AWS官宣建立多年战略合作伙伴关系，合作总额达380亿美元，是史上最大云服务交易之一。AWS将为OpenAI提供基础设施支持，助其扩展AI工作负载，双方CEO均表期许。
首个GUI多模态大模型智能体可信评测框架+基准：MLA-Trust
MLA-Trust 是首个针对 GUI 环境下多模态大模型智能体的可信度评测框架，构建了涵盖四核心维度的评估体系，对 13 个模型深度评估，揭示可信度风险，还提供评估工具箱，推动其可靠部署。
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。