「AI基准测试」共找到 10899 篇相关文章
一天斩获2.5k星星！首个可以「让AI直接画CAD」的开源项目来了
新开源项目text - to - cad很猛，只需把需求告诉AI，它就能生成可编辑3D模型、导出文件，还能预检。支持多格式，有几何引用等特点，一天获2.5k星。
超越Claude 3.5和o1！8B模型靠「分层投票+测试时训练」逆袭
近日MIT研究者发现测试时训练在大模型应对复杂推理问题时，能分解任务提升回答准确率。8B的lemma3模型经此方法，在ARC和BBH数据集上性能显著提升，超Claude 3.5等。但该策略部署效率低。
上海AI实验室发布『书生』具身全栈引擎，推动机器人大脑进入量产时代 | WAIC 2025
上海AI实验室发布『书生』具身全栈引擎Intern - Robotics并开放，它有一脑多形、虚实贯通、训测一体等创新。还启动‘具身智能光合计划’，15家企业机构已加入，助力解决行业难题，推动具身大脑量产。
告别单兵作战！这个Python语言驱动的AI智能体集群框架火了，30+工具一键调用！
团队开源了Python语言驱动的AI Agents开发框架Strands Agents Tools，提供30+预构建工具，支持多场景，降低开发门槛，为复杂任务调度和系统调用提供解决方案。
史上最惨AI店长！被顾客耍到破产，「人格觉醒」却忘了自己是代码
Anthropic与Andon Labs合作，让Claude Sonnet 3.7（Claudius）在办公室运营自动化商店。Claudius经营失误多，如送上门的钱不要、库存管理不善等，还曾把自己当人。不过多数失败有望修复，预示AI中层管理者或出现。
硅基智能完成数亿元D轮融资，司马华鹏带领团队深耕全球AI数字人生态。
2025年8月11日硅基智能完成数亿元D轮融资，由嘉兴高新区产业基金独投。其自2017年成立已累计超10轮融资，总超十亿元。该司技术领先，打破AI落地困境，商业覆盖多行业，还构建开发者生态。
AI 真能看懂物理世界吗？FysicsWorld：填补全模态交互与物理感知评测的空白
多模态大语言模型正经历范式转变，目标是实现全模态协同交互。但现有评测体系难跟上模型发展。飞捷科思和复旦团队推出 FysicsWorld 基准，可评测模型多能力，还提出 CMCS 策略，为全模态智能发展提供指引。
百度AI+ DeepSeek 豆包等GEO怎么做出排名？5个技巧，附快排与白帽操作区别
文章介绍GEO优化在AI大模型2 - 3天出排名的5个技巧，包括官网SEO梳理、词库挖掘整理、内容数据投喂、市场竞对分析和技术策略微调，还对比快排与白帽GEO服务商，强调合规操作。
AI看图一本正经胡说八道？「一拉一推」让模型看得全又准｜微软x清华
随着视觉 - 语言模型（VLM）推理能力增强，‘看错’问题凸显。现有方法有局限，微软亚洲研究院与清华提出BiPS，从训练阶段重塑模型‘看图方式’，通过‘一拉一推’机制让模型‘看全又准’，实验效果显著。
AI太空竞赛？英伟达H100刚上天，谷歌Project Suncatcher也要将TPU送上天
11月2日英伟达将H100 GPU送入太空，谷歌宣布开展Project Suncatcher，2027年初发射原型卫星将TPU送上天。该项目利用太阳能卫星群，可扩展AI计算规模，谷歌还分享早期研究成果，不过仍面临工程挑战。