「测评体系」共找到 728 篇相关文章
Anthropic、Thinking Machines Lab论文曝光：30万次压力测试揭示AI规范缺陷
Anthropic和Thinking Machines Lab等机构研究人员提出模型规范压力测试法，基于细粒度价值体系生成超30万个查询场景，分析12个前沿大模型回答，揭示模型规范存在原则冲突、解释歧义等缺陷。
社会身份的价值：从专业证书到个人品牌,如何最大化你的身份价值？深度拆解知识博主、行业协会KOL的崛起之路
报告解构社会身份资本体系，指出当代职业人士面临制度化与涌现性资本抉择。梳理五类身份资本，分析投入产出比，强调结合两者实现杠杆效应，还探讨了AI时代身份价值重塑。
刚刚，DeepSeek-V3.1「终极版」重磅发布！最大提升超36%，V4/R2还远吗？
DeepSeek最新模型DeepSeek-V3.1-Terminus发布，解决了此前输出随机带「极」字、中英文混杂等问题，在多个基准测试中成绩提升，最大提升超36%，Agent能力也有进步，还引发网友对V4/R2的期待。
《“人工智能+”行动意见》深度解读：从人口红利到智能红利，中国经济社会变革新引擎
《“人工智能+”行动意见》是全面重塑中国经济、社会与治理体系的国家战略。它以应用促创新，定位AI为新质生产力关键引擎，涉及多领域变革，还采取不对称竞争策略，应对国际博弈。
6秒造一个「视频博主」，Pika让一切图片开口说话
8月11日，Pika推出“音频驱动表演模型”，允许用户上传音频结合静态图片生成高度同步视频，角色口型、表情、动作自然，平均6秒出720p高清视频，目前仅限iOS端且需邀请码。
数据「熵增」时代，AI 如何以标准重构治理秩序？
Agent热潮下数据分析与治理有短板，Gartner预测到2027年多数数据治理举措或失效。瓴羊Dataphin高级技术专家周鑫阐述以数据标准为核心的数据治理方法论及AI赋能自动化治理实践路径。
突破多模态奖励瓶颈！中科院清华快手联合提出R1-Reward，用强化学习赋予模型长期推理能力
多模态奖励模型（MRMs）对提升多模态大语言模型表现至关重要，强化学习理论上可引入长期推理能力，但现有RL算法用于训练MRM会不稳定。中科院、清华等团队推出R1 - Reward模型，在多模态奖励模型benchmark上有显著提升。
特斯拉为什么非要造Cybercab？｜甲子光年
北京时间9月4日，特斯拉低调发布Cybercab，已进入奥斯汀Robotaxi运营体系。它专为Robotaxi打造，无方向盘与踏板。文章探讨特斯拉造它的原因，涉及成本、生产等，也指出业务面临财务和法规问题。
所有人看见了「大晓速度」，但真正值钱的是它背后的这套系统
过去一年大晓机器人在具身智能行业成果显著，首创研发范式和数据采集方案，推出世界模型并实现端侧部署，其行业方案进入真实场景。它从具身第一性原理出发，让信息低成本入模转化为生产力。
ICML 2026 现场｜九篇 Spotlight 论文，透视 AI 最前沿
7月7日，ICML 2026正会首日，雷峰网精选九篇Spotlight论文，涵盖生成模型、智能体系统等多领域。如SDEVI框架解决不规则时间序列生成难题，MASpoB让多智能体提示优化可行等。