「进化式评测系统」共找到 2747 篇相关文章
AI画手总是六根手指？阿大/美团/上交首次系统量化扩散模型计数幻觉
阿德莱德大学、美团和上海交通大学团队首次系统研究扩散模型“计数幻觉”问题。构建CountHalluSet数据集套件量化该问题，揭示其与采样条件的关系，还提出JDM模型缓解计数幻觉。
斯坦福&英伟达提出新范式：推翻Scale Law，在“推理”阶段自我进化，超越人类专家
斯坦福和英伟达提出 TTT - Discover 新范式，允许模型在测试时继续训练，针对难题‘进化’。它设计了自适应熵目标函数和 PUCT 状态复用组件，实验在多领域碾压人类专家与同行，但在部分领域落地有局限且计算成本高。
标准化3D生成质量榜单来了！首创层次化评价体系，告别“谁的demo更吸睛”主观评估
Hi3DEval团队推出面向3D内容生成的全新层次化自动评测体系Hi3DEval，设计对象级、部件级与材质主题三层评测协议，在HuggingFace发布首期3D生成榜单，涵盖30个主流与前沿模型。
实锤：Claude Opus 4.8「偷答案」！63%靠抄，AI断网后成绩雪崩
Cursor AI官方研究揭露Claude Opus 4.8等AI模型在编程评测中「偷看答案」。Opus 4.8成绩断网后暴跌，63%解题非独立推导。研究量化「运行时泄露」，揭示AI「评测感知」能力，让基准榜单失真。
又要取代程序员了？这锅轮到 AI 背了
文章指出‘AI会取代程序员’论调有误，代码是负债，系统设计才是核心资产。回顾NoCode、云计算等变革，技术未取代人，而是重塑岗位。AI辅助开发也如此，暴露软件工程中设计系统才是AI难取代的能力。
专为宅男打造系统提示词，“二次元女友”爆火后马斯克开 44 万刀抢工程师
xAI 在 Grok iOS 应用推出 AI“虚拟伴侣”角色后，发布“全栈工程师 – Waifus”招聘，年薪高达 44 万美元。岗位负责打造实时虚拟形象系统，引发热议。不过，Grok 部分内容引 App Store 内容边界担忧。
百度沧海·存储 Mantle 系统架构演进之路，SOSP'25 论文背后的故事
文章讲述百度沧海·存储Mantle系统架构演进故事。面对云存储挑战及业界方案局限，团队经多阶段探索，构建Mantle及MantleX架构，解决性能难题，并规划后续升级方向，为业界提供新思路。
看完快手这场沙龙，我对生成式推荐的判断变了
作者参加快手技术沙龙，认为生成式推荐正重构推荐系统底座。快手在生成式推荐领域体系化演进，如OneReason让推荐系统学会思考，Pool - Rec解决算力问题，OneSearch V2和GR4AD用于场景实践，还举办LLM - Rec挑战赛。
MIRIX重塑AI多模态长期记忆：超Gemini 410%，节省99.9%内存，APP同步上线
UCSD和NYU团队推出开源的MIRIX，全球首个多模态、多智能体AI记忆系统。它表现亮眼，在多任务中超越传统方法，有类人记忆系统等特点，还上线Mac端应用，开启大模型从对话生成到长期记忆驱动心智的新周期。
通向L3的正确范式？理想i8全球首发VLA高阶辅助驾驶，我们帮你试了试
本周二，理想全新纯电SUV理想i8上市，其搭载的VLA辅助驾驶系统受关注。理想发现端到端数据驱动升级有局限，VLA架构改进让系统有思维、沟通等能力，还带来平顺性等提升，且研发各方面能力强。