「评审质量」共找到 703 篇相关文章
Vibe Coding 再升级，做世界顶尖的 Agentic Engineering！
过去18个月，AI Coding工具从‘辅助补全’到‘独立编程’质变，决定Agent产出质量核心变量从模型能力转向工程系统。文章探讨工程师角色迁移、Context Engineering、对抗Agent缺陷、长期维护及发展路径等问题。
全球首个自主科研Agent挑战赛！零人工干预冲击CNS成果SOTA，科研变天？
3月1日，由上智院和复旦大学主办的‘AI4S智能体CNS挑战赛’启动报名。赛事聚焦自主科研智能体，设四项挑战任务，要求零人工干预，超越CNS成果SOTA。评审阵容强大，旨在推动科研范式变革。
开源多模态推理「破壁」时刻：MMFineReason助力4B逆袭30B
长期以来，开源多模态模型在复杂推理任务上与顶尖闭源模型有差距，核心痛点是高质量推理数据匮乏。上海AI实验室OpenDataLab团队开源MMFineReason框架及大规模数据集，小模型凭此实现性能逆袭。
大模型桌游试玩员来了：用五大画像模拟「千人千面」，评分精准度超越GPT-5.1
盛大东京研究院等团队提出MeepleLM，首个能模拟玩家视角给出建设性批评的虚拟试玩模型。它构建专属数据集，引入MDA理论，提炼五种玩家画像。实验显示其评分精准度超GPT - 5.1等通用模型。
中国AI登顶全球之巅，顶流女团MV燃爆开场！AI音乐奇点已至
昆仑天工发布Mureka V8音乐大模型，基于MusiCoT技术，在音乐性、人声表现力和编曲层次等方面显著提升，使AI音乐达「可发布」级别，评测超Suno V5，还与太合音乐合作，欲打造全球AI音乐第一平台。
刚刚，阿里园区被奶茶包围，都是千问点的！西溪叫不动外卖了
2026年1月15日千问App发布会，吴嘉演示用千问点奶茶。千问定位“生活助手”，接入阿里业务，有400余项办事能力，月活破1亿。虽有亮点，但也存在推荐不接地气等问题。
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。
阿里通义新年礼物：开源最强Qwen-Image-2512版本告别AI塑料感与文字乱码
通义万相新年前发布Qwen - Image - 2512版本。它是开源界最强文生图模型，在AI Arena盲测中表现出色。能消除AI塑料感，攻克文字渲染难题，在还原真实世界和重构视觉元素逻辑排版上有显著提升。
Agentic-KGR：通过多智能体强化学习实现知识图谱的协同演化
文章指出静态知识库有覆盖缺失、时效滞后、建用分离问题。介绍 Agentic - KGR 创新点，如动态 schema 扩展等。实验显示其在图谱抽取和下游 QA 任务有提升，还呈现训练动态和图谱质量可视化结果。
天下苦SaaS已久，企业级AI得靠「结果」说话
SaaS在AI时代问题凸显，推理成本高、交付质量不稳定。在此背景下，百融云创推出结果云Results Cloud，以RaaS模式提供全栈解决方案，解决AI落地难题，还呼吁共建智能体生态。