「科学评测」共找到 893 篇相关文章
密室逃脱成AI新考场，通关率不足50%，暴露空间推理短板丨清华ICCV25
清华大学团队受密室逃脱游戏启发，提出EscapeCraft：一个3D密室逃脱环境，用于评估多模态大模型在视觉环境中完成复杂任务推理的能力。该论文已入选ICCV 2025。研究评测了多个热门模型，发现它们在推理和探索行为方面存在诸多问题。
奥特曼曝惊世预言：2035年GPT-8治愈癌症！人类将为算力爆发三战
新智元报道，GPT - 5发布引热议，奥特曼在访谈中金句不断。他预言2027年AI有重大科学突破，2035年GPT - 8或治愈癌症，2050年人类可能为AGI算力争夺爆发三战，还谈及AI发展瓶颈、对人类影响等。
中文版Nano Banana来了？Qwen-Image-2.0炸场：1K长文本硬吃，中文生图彻底不拧巴了
AI生图曾有文本长易糊、指令复杂就出错、中文渲染差等问题。阿里新发布的Qwen-Image-2.0能处理1K token长文本，理解复杂指令，中文渲染佳，还能多图编辑，国际评测表现也靠前，阿里云百炼已开通API邀测。
智谱新模型也用DeepSeek的MLA，苹果M5就能跑
智谱AI上市后发布新成果，开源轻量级大语言模型GLM-4.7-Flash，API免费开放调用。该模型是30B总参数、3B激活参数的MoE架构，定位为“本地编程与智能体助手”，评测表现佳，采用MLA架构，多平台支持。
GUI智能体训练迎来新范式！半在线强化学习让7B模型媲美GPT-4o
浙江大学与通义实验室团队推出UI - S1，提出半在线强化学习训练范式。它融合离线与在线学习优势，用三项关键技术构建核心架构，新评测指标SOP更贴近真实表现，实验显示UI - S1 - 7B性能卓越，逼近GPT - 4o。
AlphaGo 十年：哈萨比斯说，Altman 曾把“坦克”停在我的草坪上，我要反击
3月11日是AlphaGo诞生十周年，其改变了围棋和AI行业节奏。2026年3月10日相关活动上，塞巴斯蒂安·马拉比分享哈萨比斯成长轨迹，与刘铁岩交流AGI机遇挑战，探讨哈萨比斯特质、跨学科背景等话题。
OPPO AI重磅发布：深度研究智能体，离“真正好用”还有多远？我们给大模型做了一次全身体检
2025年，Deep Research成AI热点，OPPO AI Agent Team对大模型评测。发布论文，开源评测基准FINDER和失败分类体系DEFT，揭示AI“装懂”“缺乏韧性”问题，还分析模型表现并给出发展建议。
OpenAI o1核心大佬离职后首次演讲！AI智能体=人力+代码「无限杠杆」
OpenAI研究员Hyung Won Chung离职后发声，认为AI是人类历史上最强大杠杆，结合人力与科技优势。它能提升个人学习效率，智能体作为复合杠杆让小团队创造大价值，还能加速社会科学进步。
速度提升，能力却暴跌？扩散模型做智能体的残酷真相
南洋理工大学陶大程教授团队联合发布评测报告，揭示扩散语言模型在智能体能力上有系统性缺陷，落后自回归模型。还分析其失败原因，提出评测框架，明确能力边界并给出研究建议。
机器人长出800个心眼？阿里达摩院开源具身新大脑，硅谷又坐不住了
2026年具身智能竞争激烈，阿里达摩院开源RynnBrain“具身大脑”。它采用分层架构，在16项评测中超越前沿模型。还介绍了核心技术、训练策略等，且全系列模型、评测基准和代码均开源。