「自动评测体系」共找到 1694 篇相关文章
黄仁勋预言的100万亿市场，被易鑫金融Agent撞开一道口子
大模型在金融行业落地潜力大但门槛高。易鑫依托行业经验，推出Agentic AI解决方案，由XinMM - AM1大模型和Harness体系组合，覆盖汽车金融全链路，已在风控等场景应用，拉开效率革命序幕。
姚顺雨腾讯首篇论文：给AI下半场指路“上下文学习”
姚顺雨入职腾讯后首个成果CL - bench，用来测试大模型“从上下文中学习”能力。研究指出当下模型多依赖“过去”知识，无法适应“当下”学习。评测中，十个前沿模型表现不佳，揭示其真实场景应用缺陷。
2026 年的 Coding 时刻是 Excel
近期Claude Code推出的Excel功能惊艳，Altiemeter合伙人Freda Duan认为，Excel或成下一个快速爆发的高价值领域，像Coding一样，它有庞大用户基数、可延展场景及自助式采用特点，变革或扩散到办公体系。
The Batch: 896 | 教会模型说出真相
大型语言模型有时会隐瞒未遵守约束条件的事实。研究人员微调 GPT - 5 Thinking，使其违规时能‘自白’。通过强化学习训练，测试显示微调模型在多项评测中多能承认问题，自白机制可监控模型行为。
国产 AI 昇腾推理不再高门槛？开源技术栈推理性能对比解析
文章聚焦昇腾 NPU 大模型推理，对比 MindIE 和 vLLM Ascend 推理性能。因 MindIE 使用门槛高，昇腾联合 vLLM 社区推出插件。实验用 GPUStack 平台，结果显示二者在不同场景各有优势，呼吁构建国产 AI 基础设施体系。
这周六，聊聊具身数据、模型与落地场景｜沙龙报名
当下具身智能进入加速期，但具身模型从Demo走向真实世界运行路径复杂，存在技术路线未收敛、数据匮乏等问题。量子位等联合发起沙龙，4月25日周六14:00，一线从业者与研究者将分享经验，探讨具身智能关键环节。
18个月，中国Token消化狂飙300倍！别乱烧钱了，清华系AI Infra帮你腰斩API成本
中国大模型API服务碎片化、“黑盒”问题严重，成本高。清程极智1月29日发布AI Ping，类似“中国版OpenRouter + Artificial Analysis”，可评测、路由大模型，帮开发者降低成本、提升效率，还能重塑服务市场秩序。
阿里王牌Agent横扫SOTA，全栈开源力压OpenAI！博士级难题一键搞定
阿里昨晚开源通义DeepResearch，在多项权威基准上表现出色，超越OpenAI、DeepSeek。模型、框架、方案全开源，开发者可在相关平台下载。它告别一问一答模式，像研究员一样工作，还构建了独特数据体系。
15岁进少年班，97后打造「元点机器人宇宙」：全栈技术自研领跑家庭机器人赛道
元点Zeroth发布全尺寸人形Jupiter和异构机械臂家庭协作机器人N1，强调与人类长期共生关系。其创始人是97年的郭人杰，公司已累计融10亿。元点有全栈技术体系，走渐进式落地路线。
Agent 开发范式演进：从环境工程出发，“简化”多源实时上下文
本文整理自阿里云沈林在2026中国生成式AI大会分享。探讨企业级Agent落地瓶颈，指出关键在上下文供给能力，围绕信息完备性等五维度，介绍EventHouse如何让Agent接入业务环境，强调构建上下文体系重要性。