「AI模型性能」共找到 13995 篇相关文章
对话清华商宇丨从生成视频到支撑行动，世界模型需要新的评测标准
文章围绕清华团队提出的 WorldArena 评测框架展开。它针对具身世界模型，对过去沿用视频生成的评测逻辑重新审视，从视觉质量和功能性任务两维度评估，推动世界模型从‘生成世界’迈向‘使用世界’。
清华首提通用大模型滤波方法，实现零样本状态估计｜NeurIPS'25
清华大学李升波教授团队在NeurIPS 2025提出LLM - Filter通用滤波器，将状态估计融入大语言模型推理框架。它能解决传统方法泛化性差问题，在未见过系统中实现零样本状态估计，有望成基础模型。
Karpathy盛赞DeepSeek-OCR“淘汰”tokenizer！实测如何用Claude Code 让新模型跑在N卡上
DeepSeek发布新模型DeepSeek - OCR，在实用场景达SOTA且token消耗最少。Karpathy赞其或淘汰tokenizer，Pleiasfr联合创始人称是里程碑。开发者Simon用Claude Code让模型在NVIDIA Spark上跑通。
Anthropic最强网络攻防大模型Mythos，美国国安局早就一直在用了
美国政府准备向多个联邦机构开放Anthropic新模型Mythos的‘修改版’，虽国防部将Anthropic拉黑，但国安局一直在用Mythos。白宫先明确模型接入的权限、用途等边界，再推进接入，各方对其态度有分歧。
ACL 2025 Oral | 你的模型评测搭子上线：Evaluation Agent懂你更懂AI
上海人工智能实验室与新加坡南洋理工大学合作研发 Evaluation Agent，它能按需评估视觉生成模型，有可定制、高效率等优势。框架分提案和执行两阶段，评估结果佳，未来将拓展功能。
狂揽 1.9 万标星！谷歌大神开源的 Agent Skills，直接提升 AI 编程的交付质量！
谷歌Gemini团队主管Addy Osmani开源的Agent Skills项目火了，已揽1.9w+ Star且还在增长。它是AI编程代理人的工程技能库，有20个核心技能，覆盖开发全周期，可提升AI编程交付质量，支持主流编程工具。
GitHub 千星项目：把四款 AI 编码工具变成并行科研 Agent！
本文介绍alphaXiv团队开源的千星项目OpenResearch，针对当前AI编码工具不适合科研循环、多Agent并行冲突等痛点，将四款主流AI编码工具包装成可自动运行完整研究循环、支持多Agent并行探索的科研Agent，核心设计简洁实用，覆盖完整科研工作流。
智能体安全如何保障？首个企业级AI Agent应用评估标准欢迎共同起草
近期OpenClaw走红，AI智能体从“能理解、能生成”走向“能执行、能协作”，但企业面临智能体上线条件判断难题。智合标准中心组织起草《企业级AI智能体应用效能评估规范》，现公开征集起草单位与起草人。
整整21个月，豆包大模型正式进入2.0时代！
时隔21个月，豆包大模型2.0正式推出。它在多模态理解、企业级Agent、推理和代码能力上有提升，在多个基准测评中达业界最优。实测显示其在编程、数学问题处理上性能出色，性价比也具优势。
一周休4天！老黄、盖茨站台，网友炸锅：是AI福利，还是裁员信号？
Fortune报道引发网友对3 - 4天工作制热议。Zoom CEO袁征、黄仁勋、比尔·盖茨等大佬认为AI或带来此转变，袁征觉得AI会自动化低价值工作，也有人认为是裁员信号。黄仁勋称未来更忙，且有岗位消失也有新机会。