「元评估」共找到 1406 篇相关文章
陶哲轩回应OpenAI宣称内部实验模型获得IMO金牌：不予置评「测试方法不公开就是“作弊”？」
OpenAI宣称内部实验模型获IMO2025金牌，陶哲轩呼吁对AI竞赛表现保持审慎。他强调评估AI不能只看结果，测试方法很重要，对未公开测试方法的自我报告成绩不予置评。
给你一群顶尖AI，如何组队才能发挥最大战力？UIUC用一个新的多智能体协作基准寻找答案
现有的评测基准无法衡量多智能体系统内部的协作效率、沟通质量和竞争策略。为此，伊利诺伊大学厄巴纳 - 香槟分校的研究者推出 MultiAgentBench，能全面评估 LLM 多智能体系统协作与竞争能力。
汤道生：腾讯持续加大 AI 投入力度，各项业务全面拥抱 AI
腾讯集团汤道生在 5 月 21 日峰会表示，生成式 AI 可用性质变，腾讯会加大投入，业务全面拥抱 AI。还提出‘四个加速’打造‘好用的 AI’，并介绍混元大模型、智能体等应用成果。
AI学会梦里干活！Claude发布3大进化，Dario：单人公司10亿美金爆发
在 Code with Claude 大会上，Anthropic 为 Claude Managed Agents 上线三项功能。‘做梦’解决记忆退化，成果评估自动检查工作，多 Agent 协作让复杂任务分工处理。Dario 称 AI 时代单人公司或达 10 亿美金营收。
面向长时语音与声音克隆的全模态开源万能聊天机器人MGM-Omni
文章介绍了全模态开源聊天机器人MGM - Omni，它基于MiniGemini，支持多模态输入输出，具备长语音理解、生成、流式生成、零样本语音克隆等特性，还给出安装、使用方法，展示评估结果。
无需人工标注！AI自生成训练数据，靠「演绎-归纳-溯因」解锁推理能力
新加坡国立大学等机构研究者提出元能力对齐训练框架，模仿人类推理心理学原理，将演绎、归纳与溯因能力融入模型训练。实验显示，该方法提升模型在多任务上的性能，且有跨领域可扩展性。
拒绝不必要Think：微软&北大提出第一种自适应大型混合推理模型
大型推理模型冗长思考开销大，微软研究院和北大提出大型混合推理模型（LHRMs），它能依查询上下文决定是否思考。介绍了两阶段训练流程、评估指标，实验显示其超越现有模型且效率高。
刚刚，Anthropic官方Cluade 5使用指南发布
Anthropic发布Claude 5的Context Engineering官方指南，指出为Claude Opus 5和Claude Fable 5删掉Claude Code超80%的system prompt，在编码评估上无明显损失。还揭示6组范式反转及四类上下文载体新分工。
中国机器人这么玩儿，把老外都整不会了
这两天，中国机器人把网上老外看傻眼。松延动力发布小机器人Bumi，售价9998元；本末科技推出全球首款整机模块具身智能机器人D - INFINITE，会功夫。此外，宇树H2等也引关注，中国机器人火出圈。
独家丨数千万天使轮融资，中科院背景团队「熵旋芯智」押注存内概率计算
AI 科技评论独家消息，熵旋芯智获数千万元天使轮融资，由英诺天使基金领投。该公司是国内唯一基于 MRAM 构建存内概率计算平台的企业，采用全栈软硬协同策略，有望大幅提升能效比，计划 2027 年初交付芯片。