「独立测评」共找到 344 篇相关文章
推理能力大比拼，《推理模型综合测评报告 2025 》正式发布
过去半年，推理能力成大模型新分水岭。InfoQ研究中心评测八款热门模型，围绕五大维度，用超90%原创试题。发现各模型在不同维度表现有差异，推理模型发展正从‘一个大脑’变为‘带工具的多能智能体’。
Claude独立破译370年前密文！仅44分钟，密码学家破防了
本文报道AI破解世纪密文事件：17世纪留下的两道未解密文，难倒人类密码学家数百年，被Claude Fable 5.1在无人类干预下用44分钟破解，展现AI在精力密集型任务的巨大优势。
在全球 AI 的惊天变局中，为何越想独立，越要开放？
在科技巨头主导AI风向的当下，人们对数字命运的掌控感到焦虑，催生了主权人工智能概念。《主权人工智能现状》报告揭示，追求AI主权成全球共识，其核心驱动力有四，实现路径是开源，同时也面临挑战。
AI能否独立开展科研？ASI-Bench为科学自主性建立评测标尺
ASI-Bench是衡量AI系统科学自主性的基准测试，由多机构联合开发。它能测试AI通用智能、创新性和执行力，通过信息梯度设计，让模型在不同指导量下完成科研任务，结果显示当前AI离自主科研有明显距离。
Seedance 2.0现象级刷屏！深度测评：复杂场景贼稳，连asmr都会？
字节上线的Seedance 2.0全网刷屏，马斯克怒赞，外国网友催更。它在多模态输入上升级，画面一致性更稳可控，还有一镜到底、完整剧情输出功能，视频长度和音效也能DIY，虽有小bug，但日常创作够用。
AI Coding 赛道，Solo 创业、6 个月 8000 万卖掉，独立开发的新传奇
Maor Shlomo开发全栈无代码平台Base44，6个月获25万用户后8000万美元卖掉。他复盘了从搭建到推广的全流程，分享产品切入点、与AI协作、渠道增长等经验，强调做喜欢之事，把握用户‘顿悟时刻’。
多模态长文本理解测评首发：46款模型无一攻克128K难关
香港科大等研究者联合提出MMLongBench，用于评估多模态模型长文本理解能力。它覆盖5大类型任务的16个数据集，对46个模型测试显示，闭源和开源模型在长上下文任务均面临挑战，OCR和跨模态检索能力是瓶颈。
独立开发者,写爬虫写麻了？这款开源命令行「Katana」帮你全自动扫站
如果你常做站点资产收集等工作，又懒得维护Python爬虫脚本，开源命令行工具Katana会很适合你。它能全面高效爬站，输入输出适配流水线，功能亮点多，不同需求者可按需选用。
黄仁勋129亿买下AI圈GitHub！Hugging Face守了10年的独立没了
英伟达黄仁勋宣布以129.303亿美元收购Hugging Face，这是英伟达史上最大整体收购。此前Hugging Face曾拒绝英伟达5亿美元入股，如今为求发展选择被收购。英伟达借此掌控开源AI分发，承诺平台开放，但开发者利益存变数。
一夜200万阅读，OpenAI神同步！这项测评框架让全球顶尖LLM全翻车
中国团队领衔全球24所高校机构发布评测LLMs for Science能力的论文，一夜阅读近200万，同一时间OpenAI也发文指出现有评测标准在AI for Science领域失灵。论文推出评测体系SDE，发现主流大模型在科学发现上短板明显。