「评测指南」共找到 949 篇相关文章

产品应用8

国产新模王Qwen3.7-Max,海外开发者已经沸腾了

阿里通义千问团队发布的 Qwen3.7-Max,或为面向 Agent 时代的旗舰模型。它能自主跑 35 小时、完成 1158 次工具调用,内核优化不掉线,多项评测领先,应用场景丰富,已上线且兼容主流框架。

AIGC开放社区
7

监管正式落地严查,全国首部AI产品合规标准来了

自2023年相关办法发布,国家监管网越织越密,AI产品合规成企业必答题。《生成式人工智能产品安全与合规指南》团体标准应运而生,构建全生命周期合规体系,有全链路、全场景、全配套亮点,还公开征集起草单位与专家。

AI工程化
算法论文8

NIPS2025|小红书智创AIGC团队提出布局控制生成新算法InstanceAssemble

当下文本生成图像扩散模型有进展,但现有布局到图像生成方法在复杂场景表现不佳。小红书智创AIGC团队提出InstanceAssemble框架,从架构和评测应对难题,实现复杂布局下精确图像生成,有广阔应用潜力。

机器之心
开源动态8

1.4K Star!不要问答,要完成任务,一个合格的金融Agent应该是什么样?

过去一年AI Agent火热,但金融场景投研是长链路任务,有诸多硬约束。LangAlpha是Ginlix AI推出的开源金融Agent项目,能解决实际金融研究任务,有核心架构和关键能力,还给出使用方式、典型Demo及横向评测。

开源星探
产品应用7

我雇了个AI,替我读微信列表里“吃灰”的公众号文章

文章评测了AI工具语鲸,它像国产版NotebookLM和AI版今日头条,能处理文本、整合资讯。它可订阅多渠道账号,有订阅、频道等实用功能,网页端解析长文出色,但处理图文有问题,其团队背景强大。

量子位
算法论文7

Meta全开源HumanCLAW:基础模型正进入具身智能的决策层

过去基础模型主要理解和描述物理世界,如今开始进入机器人控制栈。Meta等提出HumanCLAW,将高层行动与低层运动控制分开。评测显示当前模型在行动决策上存在不足,未来可从多方向推进研究。

机器之心
算法论文8

都说记忆是Agent标配,但MemSyco发现漏算了一件事

厦门大学与吉林大学的最新研究指出,随着大模型Agent具备长期记忆,虽成为“长期协作者”,但也出现Memory-Induced Sycophancy问题。为此提出MemSyco - Bench评测基准,经实验得出多项发现,指出Agent Memory关键瓶颈转变。

PaperAgent
新闻资讯7

AI生成内容新标准来了!现公开征集起草单位和专家!

随着AIGC转向产业落地,监管对生成内容管控成趋势。全国首个AI生成内容合规团体标准《人工智能生成内容合规管理指南》应运而生,还公开征集起草单位和专家,助力企业解决合规难题。

PaperAgent
新闻资讯7

全球最大AI榜单塌房!52%高分答案全是胡扯,硅谷大厂集体造假?

2025年底,《LMArena is a cancer on AI》一文引发关注,其指出LMArena这个权威大模型评测平台问题严重。Surge AI调查发现,52%获胜回答事实错误,39%投票结果与事实相悖,Meta还曾为榜单优化模型。

新智元
新闻资讯7

Generalist爆火背后:具身智能真正的竞争,已不在模型

Generalist AI发布的GEN - 1模型引爆具身智能领域,其多项指标出色,预示具身智能竞争从模型层转向基础设施层。行业关注焦点转移,数据正从‘静态数据集’演进为‘动态教育系统’,评测与仿真基础设施成关键。

机器之心