「评估体系」共找到 1237 篇相关文章
怎么回事？刚被OpenAI收购，Windsurf就发了个自己的模型
5月初，刚被OpenAI收购的Windsurf发布AI编程模型SWE - 1，该模型针对软件工程全流程，核心是流动感知，实现人机自然交接。它有三个系列，已上线可免费使用，开发灵感源于编辑器，在评估和实测中表现良好。
谷歌Jeff Dean和多位图灵奖得主合著论文，全面剖析了AI
谷歌Jeff Dean和图灵奖得主John Hennessy等联合发布报告《塑造AI对数十亿人的影响》，拒绝AI极端观点，选择务实。报告剖析打破“饭碗焦虑”、重塑教育医疗等内容，Laude研究所也开展实战评估项目。
HumanSense：探索多模态推理边界，打造「察言观色会共情」的全模态交互伙伴
蚂蚁集团与西安交通大学联合提出并开源 HumanSense，含评估基准与推理模型。通过细粒度评测、全模态消融等研究，提出优化策略，项目已在 GitHub 和 HuggingFace 开源，推动 AI 交互体验革新。
马斯克“巨硬计划”新动作曝光！从0建起算力集群，6个月完成OpenAI&甲骨文15个月的工作
马斯克“巨硬计划”新动作曝光，6个月从0建起算力集群，完成200MW供电规模。“巨硬”将基于Grok构建多智能体系统，自动化完成软件开发。Colossus II为此提供算力，马斯克亲自督战。
一文看懂华为昇腾芯片
文章介绍华为昇腾芯片，它是面向高性能AI计算的NPU芯片，有昇腾310、910、610等系列。还提及芯片演进、参数、价格、出货量等情况，以及基于芯片的硬件体系，覆盖多场景满足不同需求。
AI无限生成《我的世界》，玩家动动键盘鼠标自主控制！国产交互式世界模型来了
昆仑万维带来交互式世界模型Matrix - Game，可让用户用键鼠探索创作虚拟内容。它发布了Matrix - Game - MC数据集、主模型和GameWorld Score评测体系，在多项评测中领先，还能在多领域发挥作用。
不让“猪队友”拖后腿！哈深新作 AgentDropoutV2，专治多智能体“传话游戏”翻车现场
多智能体系统中，常有agent出错带偏整体。哈工大联合阿里提出AgentDropoutV2，测试时介入，设‘质检员’审核输出，结合失败案例构建‘避坑指南’，在多测试中显著提效，泛化性强。
文生图进入R1时代：港中文MMLab发布T2I-R1，让AI绘画“先推理再下笔”
港中文MMLab团队发布首个基于强化学习的推理增强文生图模型T2I - R1。它提出双层级CoT推理框架和BiCoT - GRPO强化学习方法，解决生成评估难题，为多模态生成提供新范式。
图灵奖得主首度入局中国物理AI公司：曹操出行凭什么？｜甲子光年
Robotaxi行业竞争重点转向安全可信能力建设。6月29日，图灵奖得主约瑟夫·希发基思出任曹操出行AI创新中心首席科学顾问，其理论可补全自动驾驶可信论证体系，助曹操出行搭建全链路可信AI底层安全框架。
Anthropic "泄露"Claude Mythos 最强模型到底有多猛？
Fortune爆出Anthropic因CMS配置失误，致新模型Claude Mythos信息泄露。该模型有阶跃式进步，在多领域表现超前代，网络安全能力突出。此事反映AI迭代快但安全待提升，安全成模型评估关键。