「算力评估」共找到 1471 篇相关文章
从「记忆解题」到「深度推理」：港科大推出首个本科数学动态评测基准 UGMathBench
港科大团队发表在 ICLR 2025 的研究 UGMathBench，是首个本科数学动态评测体系。它涵盖 16 个学科领域，通过变量扰动创建多版本试题，引入创新指标评估模型推理能力，测试结果揭示了当前模型短板。
利用大模型检测钓鱼邮件:方法，效果及数据集
随着企业安全防范增强，钓鱼邮件成重要攻击手段，大模型检测方法盛行。日本论文详细披露检测方法和实验数据，含解析解码、简化邮件、生成prompt、调用LLM四步，还介绍数据集及评估了四个模型效果。
o3绞尽脑汁仅答对40%的题目，开源模型基本乱猜？MMSI-Bench：多图空间智能试金石
文章介绍了MMSI - Bench，这是用于评估MLLM多图像空间推理能力的VQA基准。它人工构建样本、全面分类任务、采用多样真实数据。实验显示MLLM在多图像空间推理有短板，还开发自动化错误分析流程助力改进。
17 万模型背后：魔搭联合 AMD 送 1000 小时 GPU 的算盘
魔搭社区联合 AMD 推出「AMD 开发者激励计划」，提供最高 1000 小时 GPU 算力额度。魔搭社区对标 Hugging Face，托管超 17 万个开源模型。此次激励是三方匹配的生意，还释放了硬件去美元化和模型托管社区升级的信号。
诺奖得主刚走，Gemini两大核心叛逃Anthropic！
谷歌人才流失严重，一周内五名顶级研究员出走，Gemini两大核心将入职Anthropic。同时，Gemini 3.5 Pro延期至7月。Alphabet股价下跌，市值蒸发超2000亿美元。原因或是上市期权诱惑和算力分配问题。
Cursor 1.5T新模型放弃Kimi基座！600亿美元股票换Cursor，马斯克第一刀砍向微软GitHub
SpaceX官宣收购Cursor，后者获600亿美元股票。Cursor在Compile大会发布1.5T新模型和Origin平台。新模型规模大、从零训练、算力提升；Origin是面向智能体的Git平台，将与GitHub竞争。
别盯着GPU了，CPU正成为AI时代的“新瓶颈”
进入2026年，AI系统性能越来越取决于执行与调度能力，CPU正成为AI时代的“新瓶颈”。目前CPU市场供应紧张，英特尔、AMD、英伟达等大厂应对策略各有不同，智能体时代算力天平正回摆。
美团LongCat扎扎实实做了件难事：LLM数学新天花板AMO-Bench
美团LongCat团队联合高校推出AMO - Bench，用50道原创奥赛级难题评估LLM数学能力。它解决现有基准测试痛点，经四重把关构建，测试显示顶级模型表现不佳，也揭示模型提升空间大。
第八届 「GAIR 全球人工智能与机器人大会」即将启幕：穿越AI长夜，共睹群星闪耀
2025年12月12 - 13日，第八届GAIR全球人工智能与机器人大会将在深圳举办。大会设三个主题论坛，聚焦大模型、具身智能等议题，有青年与前辈交流，还有海内外学者、产业界人士参与，也关注算力赛道。
华为 IJCAI 2026 论文盘点：从「规模密度」转向「设计密度」
IJCAI 2026将召开，AI算力成本高，参数扩张边际收益低，技术创新逻辑转向‘用得更省’。华为四篇被收录论文，用精巧架构和训练策略，在四方向展现系统化工程能力，提供技术转型路径。