「评测系统」共找到 2316 篇相关文章
GPT-5.2考赢人类！OpenAI警告：大模型能力已过剩，AGI天花板不是AI
GPT - 5.2在ARC - AGI - 2基准测试超人类，Poetiq系统让其准确率从60%提至75%。OpenAI称大模型进入‘能力过剩’阶段，未来AGI进展不止靠模型，更需人机协同。
我押注12亿美元买下当年移动界的“OpenAI”，却眼睁睁看它49天夭折
本文讲述 WebOS 系统兴衰史。惠普前 CTO Phil McKinney 力主 12 亿美元收购有潜力的 WebOS，但因 CEO Leo Apotheker 决策失误，系统 49 天夭折。这警示决策需系统性思维框架。
作业帮基础观测能力之一监控体系实践
本文介绍作业帮监控体系实践。其监控体系随云原生成长，支持全集群监控。构建时选 Prometheus 采集、VictoriaMetrics 存储，还从多维度采集指标，用自研代理降成本、治理指标，让系统更贴合研发。
阶跃终端首款「Agent手机」STEPX Neo正式发布，创客先行
本文作者实测体验阶跃终端推出的首款大模型原生Agent手机STEPX Neo，介绍了产品设计、原生Agent系统能力、创客开发生态与系统级安全方案，公布了产品定价与用户福利。
Agentic的风又吹到了世界模型~
这篇42位作者联合完成、综述400余篇工作的论文，第一次用'能力×法则'双轴框架，把所有叫'世界模型'的系统放到同一张地图上，为领域建立公共语言，还得出了关键结论。
让AI自己设计芯片！中国科学院发布「启蒙」，芯片全流程自动设计
近日，中科院计算所联合软件所推出「启蒙」系统，基于AI实现处理器芯片软硬件全流程自动设计，达到或部分超越人类专家水平。该系统在多方面表现出色，如设计的CPU达ARM Cortex A53性能等。
华为Doc-Researcher 布局感知+视觉语义双杀
现有深度研究系统依赖文本网页数据，忽视多模态文档知识。华为Doc - Researcher系统解决多模态文档解析不足、检索策略有限、缺乏深度研究能力等问题，含多模块，能处理复杂多模态任务。
多模态RAG哪家强？9 个 Embedding、4 类 MLLMs、4 大框架实景比拼
现有文档 RAG 评测存在不足，华南理工和华科推出 DOUBLE - BENCH 进行多模态 RAG 实战评测，结果显示检索是瓶颈，模型爱胡说。快手开源 Keye - VL - 1.5 - 8B，PaperAgent 有实操指南。
图灵也没想到，智能，必须在现实中「活」下来
第六届 ATEC 科技精英赛 ATEC2026 已开赛，由多单位共同组织。赛事聚焦人工智能、具身智能等方向，以真实世界挑战为命题，通过赛题设计检验系统在真实环境的运行能力，还设置丰厚奖励。
Vercel 推出 Drains 功能：实现统一数据导出
Vercel 发布 Drains 系统，将平台可观测性数据统一导出至外部服务，覆盖多来源日志等。用户可两种方式配置，导出数据与多系统兼容，能简化接入流程、减少管道碎片化。