「测评提升」共找到 3030 篇相关文章
刷榜只是体力活！清华消费10万块，一周「肝」出105个SOTA
AutoSOTA通过多智能体协作，将AI研究中繁琐的性能优化过程自动化，使科研从「手工艺」转向「工业流水线」。在一周压力测试中，消耗约10.4万美元，发现105个SOTA模型，平均性能提升近10%。
走出 MMLU 的高分幻觉：AI Agent 的「斯坦利时刻」与职场生存法则
文章指出多模态大模型在基准测试分数高，在实际业务流程却像‘职场巨婴’。研究团队构建Trainee - Bench测试顶尖模型，结果显示模型离‘独立上岗’远，凸显提升Agent自主学习性的重要性。
智谱GLM-5强调的Agentic Engineering能力是什么？｜甲子光年
智谱上线并开源GLM - 5，在Coding与Agent能力上达开源SOTA，刺激股价上涨。它验证了Agentic Engineering可行性，提升能力阈值，但成本阈值也更显性，未来软件工程或分层发展。
2025-2027年DRAM、NAND市场及价格走势分析
文章分析2025 - 2027年DRAM、NAND市场走势。DRAM因AI需求价格涨，供需缺口大，DDR5将成主流；NAND需求结构性增长，产能利用率提升。技术革新不断，中国厂商崛起，地缘政治影响格局。
首创郎园聚焦AI视听｜北京AIGC视听产业创新中心启动！
8月19日，北京AIGC视听产业创新中心启用。朝阳区发布“政策服务包”，首创郎园公布“六大服务平台”，联合推出数据交易平台。此外，还发布人才计划、揭牌产教融合实验室，启动测评季活动。
美国程序员失业率创纪录：17万本科生难就业，AI抢饭碗！
《纽约时报》《路透社》发文指出，美国计算机专业毕业生失业率创新高。高盛经济学家称，ChatGPT等AI工具降低企业对IT人员需求，OpenAI新模型更甚。专家认为毕业生应将AI当帮手提升技能。
DeepSeek 复盘：128 天后，为什么用户流量一直在下跌？
文章深入分析DeepSeek和Anthropic策略，揭示行业计算资源稀缺难题。指出AI服务定价是延迟、吞吐量、上下文窗口三个指标的权衡，DeepSeek牺牲体验换研发，Anthropic提升‘智能密度’优化资源。
安利一个11万Star的必装插件，能让你的Agent体验直接质变。
作者分享超好用的插件Superpowers，它有11万Star，适配多种工具，是指导Agent完成任务的系统。用其开发ADHD阅读器，能规范流程、提升产出质量，让用户少走弯路。
老黄新鲜一刀，RTX 5050正式官宣
英伟达官宣RTX 5050桌面/笔记本GPU，7月上市，国内2099元起。它搭配DLSS 4技术，性能提升显著，但显存“新旧混搭”。网友大多不太买账，认为能耗高、性价比低。
类R1训练不再只看结果对错！港中文推出SophiaVL-R1模型
DeepSeek - R1爆火后，类R1结果奖励训练范式引发推理热潮，但仅以结果对错奖励模型有弊端。港中文联合团队发布多模态推理模型SophiaVL - R1，引入‘思考奖励’机制，还用Trust - GRPO算法解决奖励欺骗问题。