「记忆评测」共找到 1125 篇相关文章
ICML 2025 | 清华、上海AI Lab提出专家级医学基准MedXpertQA，看o3、R1哪家强
本文由清华和上海AI Lab学者撰写，提出专家级医学基准MedXpertQA。现有医学基准难度和临床相关性不足，而MedXpertQA极具挑战、临床相关性高，构建严格，评测显示前沿模型在医学领域提升空间大。
再不怕乱引文献！绕过付费墙，BibAgent把学术核验转为证据链
大模型生成学术论述，其引用验证成难题，尤其付费墙后论文难以核验。BIBAGENT突破此困境，不破解付费墙也能验证引文语义真伪，还构建MISCITEBENCH评测，表现优异，为科学写作补“可审计基础设施”。
终于学会“复盘”了!让智能体从“解题”进化到“进化”！
上海AI Lab和新加坡国立大学推出新框架RETROAGENT，让AI Agent学会“复盘”。它通过双重内在反馈复盘，提出SimUtil - UCB策略查记忆，在多项任务中碾压基线模型，使Agent从解题进化到进化。
AI安全的过去与未来：从大模型到智能体 | 预约
业界提升前沿AI模型和智能体安全性，常用安全评测和‘安全对齐’技术，但未真正解决风险。本次分享将介绍‘内生安全’探索成果，还公布了相关论文信息，刘东瑞等嘉宾将参与。
分割一切、3D重建一切还不够，Meta开源SAM Audio分割一切声音
Meta 深夜放出音频分割模型 SAM Audio，可通过多模态提示分离任意声音。其核心 PE - AV 推动性能领先，还发布评测模型、基准等，整合进新平台，虽有局限但为音频 AI 带来新可能。
MetaGPT 用户智能体发布，开启端到端自主软件测试新范式！
当前AI软件领域代码生成智能化发展快，但测试验收仍靠手动，效率低。MetaGPT推出用户智能体，研究团队发布RealDevWorld框架和AppEvalPilot实现端到端自动化评测，解决复杂软件质量评估难题。
美国知名风投 BVP 年度 AI 报告：Memory 和 Context 将是新的护城河
美国知名风投 BVP 发布《The State of AI 2025》报告，研究 20 家 AI 创业公司，梳理 2025 年 AI 创业现状，认为记忆和上下文是新护城河，还对未来趋势如浏览器竞争、视频生成等进行了预测。
世界模型一口气输出小时级视频不跑偏，开源了
Alaya Lab等联合推出的Alaya - EVOKE能生成小时级视频，解决常见问题。它把记忆搬到模型外，改造教师模型，经多轮技术操作，实验成绩佳，给出清晰训练方案，也指出项目边界。
Demis Hassabis：AGI 还缺什么，智能体到底行不行，下一个科学突破长什么样
Google DeepMind CEO Demis Hassabis 做客直播，探讨当前 AI 范式距 AGI 差距、智能体水平、科学突破模式等话题。指出当前范式或需关键突破，记忆方案待优化，AlphaGo 技术复活，还给出创业建议。
震撼发布！最大人体动作数据集 MotionMillion 正式登场
上海交通大学研究团队构建高效标注流程，发布最大人体动作数据集MotionMillion，含超2000小时、200万条文本 - 动作配对数据。还推出评测体系MotionMillion - Eval，训练70亿参数动作生成大模型，刷新SOTA。