「评测体系」共找到 1162 篇相关文章
超10万亿Tokens的高质量数据集是怎么炼成的？专访中国电信天翼AI阮宜龙
中国电信天翼AI打造超10万亿Tokens高质量数据集，依托星辰MaaS平台构建“数据—模型—服务”闭环。其与研究院推进技术研发并落地产品，建“三全”星辰大模型体系，还在多行业展现应用价值。
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。
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。
全球首家具身数据独角兽诞生：光轮智能完成10亿元融资，开启具身数据规模化元年｜甲子光年
具身智能进入数据Scaling Law时代，光轮智能完成10亿融资成全球首家具身数据独角兽。它构建了World-Behavior-Eval数据引擎体系，在多领域获国际交付冠军，客户涵盖顶尖企业，正构建物理AI时代基础设施。
刚刚，智谱敲钟上市了，市值达528亿港元
2026年1月8日，智谱在港交所挂牌上市，首日市值528.28亿港元。它是中国最早投身大模型研发的厂商之一，提出GLM范式，模型体系全面。此次募资将用于研发和优化平台，以MaaS模式发展，开启全球竞技新阶段。
真实音频场景，大模型集体挂科！首个原生语音基准MultiChallenge
Scale AI发布首个原生音频多轮对话基准Audio MultiChallenge，撕开大模型靠合成语音评测维持的假象。实验显示，Gemini 3 Pro等模型在真实场景表现不佳，还揭示了模型在语音交互中的三大失败模式。
蚂蚁阿福：从 0 到生产的医疗 Agent 工程化落地｜QCon 北京
4月16 - 18日QCon全球软件开发大会将在北京举办，聚焦Agentic AI等前沿话题，有百余落地案例。蚂蚁集团郭春晓将分享《蚂蚁阿福：从0到生产的医疗Agent工程化落地》，探讨构建技术体系等内容。
国产推理芯片，赢了英伟达？
算力市场风向生变，国产算力崛起。政策从资金、市场、规则多维度发力，为国产算力扫清障碍。在推理场景中，国产方案性价比更高。其独特分销体系使贸易环节信息透明度低，步入卖方市场，市场也迎来新局面。
让OpenAI只领先5天，百川发布推理新模型，掀翻医疗垂域开源天花板
百川智能发布医疗推理大模型Baichuan - M2 - 32B，在OpenAI的Healthbench评测集上超越刚发布5天的gpt - oss - 120b，领先多数前沿模型，支持RTX4090单卡部署，还首创患者模拟器和Verifier系统。
昨晚，OpenClaw大更新，亲手终结「旧插件」时代
昨晚OpenClaw重大版本更新，内容多到需单独做目录梳理。重点在ClawHub插件市场、多模型支持等。最重要变化是插件生态重心转向，且体系大改、工具能力收敛，还在多方面有更新，创始人指出正式版有功能加载问题。