「评估体系」共找到 1237 篇相关文章
AI打假AI，拿下SOTA丨厦大&腾讯优图
厦门大学联合腾讯优图实验室团队提出AIGI - Holmes方法，创新性采用“大模型+视觉专家”协同架构，解决现有AIGI检测技术瓶颈，在检测、解释能力及鲁棒性评估上均取得最优效果。
6个做AI和ML的奇技淫巧
作者整理了6个做AI和ML的技巧，如提前结束评估、超参数过度优化、精心挑选数据集等，指出现在90%的模型可能都用到其中不止一招，还介绍了自己用AI采集资讯发布到知识星球。
CL-Bench的故事没有结束，生成式CL-Bench：GENIUS来了
北大团队发布GENIUS，用于评估模型生成式流体智力。它构建含510个样本、20个子任务的评测集，测试模型多方面能力。实验显示当前模型流体智力有短板，还提出免训练注意力校准机制提升性能。
炸裂！Claude以第一作者写论文反驳苹果「推理模型根本没有推理能力」：苹果有三大错误
苹果论文称推理模型无推理能力，引发争议。Anthropic的Claude Opus以第一作者写论文反击，指出苹果研究有混淆‘推理失败’与‘输出截断’等三大问题，还通过实验证明模型能力，强调需更聪明评估方法。
学好基本功，AI才能真正助你一臂之力
作者Manda Putra分享将AI融入日常工作的体验，指出AI处理琐碎任务很强大，但软件开发还需真正的理解力。以同行依赖AI解决基础问题为例，强调开发者应掌握基本功，否则行业知识体系会“崩溃”。
中科闻歌完成新一轮战略融资，引领企业级人工智能技术发展
近日，中科闻歌完成新一轮战略融资，投资方为石景山区产业基金。融资用于自研决策智能操作系统DIOS研发与推广。中科闻歌技术实力强，有全栈自研体系，已服务超千家客户，后续将深耕多领域并拓展海外市场。
Google一口气发了多少东西？I/O 2026完整梳理
Google I/O 2026发布会成果丰硕。token处理量大幅增长，13款产品月活超10亿。对话式AI融入多产品，基础设施投入增至约1800亿美元。还发布新模型、平台及工具，构建从芯片到应用的Agent体系。
Anthropic 的 Harness 设计：build to delete
Anthropic工程博客发布Harness设计文章，探讨Claude完成全栈应用开发任务。指出单Agent模式问题，采用GAN式对抗、三Agent编排，对比单Agent与多智能体产出，还介绍调教评估者及编排简化，提出Build to Delete原则。
上任两年，吴泳铭为阿里 AI 定调：终局是 ASI
吴泳铭出任阿里 CEO 两年，在云栖大会提出 AI 终局是 ASI。阿里云升级全栈 AI 体系，通义大模型 7 连发，百炼平台更新。吴泳铭判断通往 ASI 分三阶段，阿里为此推进 3800 亿建设计划。
告别「一条路走到黑」：通过自我纠错，打造更聪明的Search Agent
为解决知识实时性和推理复杂性挑战，搜索智能体（Search Agent）应运而生，但缺乏自我纠错能力。腾讯联合清华提出 ReSeek 框架，引入动态自我修正机制，还构建 FictionalHot 数据集评估，实验效果良好。