「中间结果」共找到 554 篇相关文章
首个语音智能体端到端测评出炉：Grok登顶，真实场景通过率仅一半
Artificial Analysis推出业内首个语音转语音智能体端到端性能基准τ - Voice，测试真实客服场景能力。结果显示最强S2S模型成功率刚过一半，Grok Voice Think Fast 1.0夺冠，但也面临诸多质疑。
Auto Research最后一块拼图，Frontier-Eng Bench登场，在工程闭环里死磕最优
Einsia AI旗下Navers Lab论文Frontier - Eng推出新评测范式Generative Optimization，搭硬核评测系统，覆盖47个横跨5大工程方向的任务。评测多种模型，结果显示gpt 5.4最稳健，但距资深工程师水平尚远。
AutoGLM深夜开源，千千万万个手机Agent要站起来了。
昨天深夜智谱将手机Agent AutoGLM开源，包含手机端智能助手框架和AutoGLM - Phone - 9B模型。它为解决隐私问题给出中间态解法，有3种部署模式，虽有不足，但让个人拥有本地手机Agent成为可能。
ICLR 2026出分，审稿员怒喷「精神病」！DeepMind研究员教你绝地求生
ICLR 2026评审结果公布，投稿量近2万篇创新高，但分数滑坡，平均分从5.12跌至4.2。审稿人吐槽质量低，甚至有怒喷‘精神病’的情况。DeepMind研究员提供论文反驳指南，称同行评审像‘随机数生成器’。
SGLang 优化Triton FusedMoE 的一个新技巧
蚂蚁在SGLang中提交优化PR，针对Fused Triton MoE的Down Projection kernel加入TMA优化，在DeepSeek - R1模型的H200 TP8 prefill场景下性能提升显著，还详细分析了优化背景、思路、实现细节及测试结果。
700万参数击败DeepSeek R1等，三星一人独作爆火，用递归颠覆大模型推理
今年6月Sapient Intelligence提出的HRM影响大模型推理结构，四个月后三星研究员Alexia Jolicoeur - Martineau推出TRM，700万参数模型在推理基准测试中超越参数多10000倍的模型，还介绍了TRM原理、改进及实验结果。
T2R-Bench发布：业内首个由表格生成报告工业基准
为解决大语言模型将表格信息转化为报告的难题，研究团队提出“表格到报告”任务，构建双语基准T2R - bench，其涵盖多垂域表格，还设计评价指标体系，实验显示大模型在该基准上提升空间大。
别误会00后了！美国千人调查揭秘：85%学生都用AI，首要目的不是偷懒
国外机构调查1047名学生，结果显示约85%学生过去一年用生成式AI处理课程作业，主要用于头脑风暴、答疑与备考。学生希望学校规范AI使用，教师用AI教学学生看法不一，AI重塑大学价值评估体系。
GPT-5的魔幻现实主义：当技术神话撞上用户预期
奥特曼宣传数月的GPT - 5上线24小时遭用户吐槽，实测基础数学、拼写有问题。其采用智能路由系统，调教欠佳。奥特曼承认自动切换器故障，基准测试结果混乱，还暴露AI评价难等问题。
AI 的「成本」，正在把所有人都拖下水
文章指出，虽大模型成本下降，但 AI 公司仍难盈利。因市场追逐新模型，且模型消耗算力单位剧增。如 Anthropic 的不限量套餐失败，各公司陷入囚徒困境，还给出按使用量计费等破局思路。