「技术评估」共找到 3421 篇相关文章
Agent搜索哪家强？人大高瓴&快手联合发布全新评测基准GISA
人大高瓴与快手联合发布全新评测基准GISA，用于评估智能体搜索能力。它解决了现有基准反向构造、评估维度单一、答案易被记忆等问题，含373个高质量查询，实验显示当前搜索智能体距人类水平差距大。
阿里云容器服务覆盖AI全流程，团队透露：OpenAI训练GPT时就用了我们的开源能力
拿下中国AI云市场第一后，阿里云技术产品负责人开展AI Infra分享会。其全栈云计算搭好技术架子，10万GPU集群高效互联，容器服务贯穿AI全流程，还透露OpenAI训练GPT时用了其开源能力。
Claude Opus 4.7发布！这是你在别的公众号看不到的五个发现
Anthropic发布Claude Opus 4.7，编码和视觉能力提升，但长上下文能力下降。其231页的System Card藏着不少有趣发现，如Opus 4.7非最强模型、Claude知道被测试、模型审查自身评估等。
华为天才少年一作，港大MaRS Lab拿下IEEE TRO傅京孙纪念最佳论文奖
近日，香港大学MaRS Lab张富副教授团队研发的FAST-LIVO2获IEEE TRO傅京孙纪念最佳论文奖。该论文由华为天才少年郑纯然一作，提出新的SLAM技术思路，项目开源受关注，相关技术也在向产业延伸。
生态为基，关系为王：AI Agent下半场的竞争法则｜甲子引力
12月3日，2025甲子引力年终盛典上，嘉宾围绕《我们与AI Agent的关系》探讨。指出AI Agent竞争从技术转向生态与关系构建，还分享产品亮点、探讨技术协作等问题，并预测未来C端AI Agent核心壁垒。
九成以上模型止步白银段位，只有3个铂金！通用AI下半场评测标准来了
OpenAI研究员姚顺雨提出AI发展步入新阶段，下半场关键在评估模型真实智能。新加坡国立大学等团队提出“通才智能”评测框架，剖析多模态大模型短板，推出五级评估体系和测试集，测试结果暴露模型弱点，引发社区积极反响。
对话英韧科技刘刚：AI浪起，从芯到盘的存储马拉松与国产破局
2026年存储行业受AI驱动变革，存力成新“卡脖子”环节。英韧科技CEO刘刚在闪存峰会接受采访，谈及技术、市场与战略，展现企业在AI浪潮中的生存法则与战略取舍，如技术超前布局、“以模组促主控”等。
当搜索遇见 AIGC：京东零售的“千人千面”素材生成实践
在 AIGC 浪潮下，视觉生成技术重构电商生态。京东零售李岩介绍“千人千面”商品素材生成技术链路，包括关键模型及实现框架，还发布焕新版京点点平台并预告新能力，推动电商个性化变革。
OpenAI深夜开源HealthBench，60个国家合力开发5000段真实对话
今天凌晨1点30，OpenAI开源医疗大模型测试评估集HealthBench。其5000段核心测试对话由60个国家/地区的262名医生打造，采用多轮对话测试。测试显示大模型在医疗保健领域表现显著提升，还介绍了其构建及评估等情况。
OpenAI突然开源新模型！99.9%的权重是0，新稀疏性方法代替MoE
OpenAI悄悄开源新模型，0.4B参数且99.9%权重为零，是Circuit Sparsity技术的开源实现。该技术通过约束模型内部连接稀疏性，解决传统稠密Transformer黑箱问题，或让MoE模型走上末路，但目前算力成本极高。