搜索：数据与评测基础设施

「数据与评测基础设施」共找到 3249 篇相关文章

构建 AI 时代的知识底座：直播数据 LLM Wiki 实践

文章围绕直播数据 LLM Wiki 实践展开，指出领域知识沉淀面临挑战，引出 LLM Wiki。介绍其实际效果，如指标召回、代码生成等，阐述构建方法、架构设计、编译流水线、检索方式，还提及增量编译与持续 Lint，最后给出未来规划。

裁员新闻铺天盖地，AI 要抢走饭碗的焦虑四处蔓延，但数据显示科技行业招聘呈现诸多积极信号，如 PM 开放职位达三年多来最高，AI 相关岗位爆发式增长等。

这两天在Github发现开源工具`ChatLab`，它把聊天记录变“私人数据库”，支持用 SQL 和 AI 挖掘社交数据价值。具有本地隐私保护、解析性能强等特性，安装简单，适合不同用户。

当大模型成公共基础设施，企业需构建围绕业务结构的智能系统架构。特赞提出的 GEA 企业级智能体架构体系，围绕企业业务运行结构设计，能让智能体参与企业经营判断。

Cloudflare推出阻止AI爬虫抓数据功能，却对Google无效。因Googlebot身兼两职，Cloudflare难区分其请求目的。出版商流量因Google AI功能下降，网站主在被剥削和失去流量间两难。

近日，深度机智用人类学习范式在国际 Benchmark 上击败巨头，成果两会首日被央视报道。其全新架构源于一年多积累。英伟达也有人类学习尝试。深度机智构建全栈技术矩阵，成果显著，3 月底成果将开源。

过去一年，‘世界模型’成视频生成领域热词，厂商强调产品要模拟真实世界运行规律，但业界评测一直未能精准检验其‘物体恒存’的认知能力。为此，研究者提出新基准MemoBench，测试了主流模型，揭示其短板。

NVIDIA推出AI-Q Blueprint，将深度研究流水线打包成Agent Skill，解决企业级数据处理难题。它能让企业数据不出门，代理框架可派任务并获报告，还支持多种认证模式，代码库可本地部署，专为深度研究打磨。

北京大学、清华等联合提出统一引擎PAM，能整合姿态、外观和运动。用户提供初始和目标姿态及物体几何形状，它就能生成逼真手物交互视频。其效果超现有方法，合成视频可用于数据增强。

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。