「测评体系」共找到 728 篇相关文章
空间智能终极挑战MMSI-Video-Bench来了，顶级大模型全军覆没
上海人工智能实验室 InternRobotics 团队推出空间智能视频基准 MMSI-Video-Bench，对主流多模态大模型进行评测。该基准题型全面、问题具挑战性，视频数据多样，能针对性测评。结果显示模型与人类差距显著，明确了能力瓶颈。
瞄准AI、图形顶端战场：摩尔线程上演国产GPU硬核实力路演
摩尔线程首届 MUSA 开发者大会集中亮相技术体系。发布新一代统一计算架构 MUSA 路线图，介绍新架构、芯片及万卡集群，还涉及前沿布局，发起开发者培训，推出 AI 算力笔记本，宣告国产算力自主化时代加速到来。
50万个AI生成的应用，正在赚钱
在2025秒哒创造者大会上可知，“三无”AI生成应用已诞生50万个商业应用，覆盖200多个细分领域。如“荣堂古村数字博物馆”等，它们变现能力强。秒哒是相关工具，操作简单，技术体系完整。
商汤分拆了一家AI医疗公司，半年融资10亿，剑指“医疗世界模型”
商汤分拆AI医疗公司，半年融资10亿。其以自研“大医®”为核心构建医疗世界模型，形成闭环。推出智慧医院方案，临床、决策、患者端等多方面落地成果丰富，还布局海外市场，未来想让AI从文本到模拟决策。
游戏研发中的 AI 转型：网易多 Agent 系统与知识工程实践
本文整理自网易游戏高级技术经理林香鑫分享，其团队通过代码知识谱图构建、多 agent RAG 召回等技术打造超级助手，在多业务场景落地效果好。还介绍知识工程、多 Agent 赋能代码编写、AI 审查等实践及未来展望。
OpenAI杀疯了！「星际之门」刚宣布将提前实现：英伟达有望成为地球第一个市值超10万亿美金公司
OpenAI、甲骨文和软银联合宣布在美国新增五个AI数据中心站点，支持“星际之门”计划，提前实现相关承诺。涉及超4000亿美元新增投资，由不同合作体系推进，选址经严格筛选，后续还有更多站点加入。
AI里最大的Bug，却也是人类文明最伟大的起点。
OpenAI论文指出AI产生幻觉是因其训练方式奖励瞎蒙行为。以考试为例，AI在信息不足时猜测是最优策略。还从统计学解释根源，指出解决幻觉需改变评估指标，也引发对人类想象力起源的思考。
人大高瓴-华为诺亚：大语言模型智能体记忆机制的系列研究
中国人民大学高瓴人工智能学院与华为诺亚方舟实验室聚焦大语言模型智能体记忆能力，形成含综述论文、数据集和工具包的研究体系。探讨记忆概念、重要性、实现与评测方法，还构建评测榜单、实现工具包。
大模型Agent的下一阶段：可自我进化的AI-Agent
在人工智能飞速发展下，研究者探索让AI自我反思改进。本文作者构建自我进化AI智能体系统，设计四层渐进式架构，经《卡坦岛》实验，证明自我进化能力，不同模型表现有差异，代码级进化潜力惊人。
DeepSeek-R1 更新，思考更深，推理更强
DeepSeek R1 模型完成小版本升级至 DeepSeek - R1 - 0528，用户可在官网、APP 等体验，API 同步更新。该版本强化深度思考能力，在多基准测评表现优异，还改善幻觉、提升创意写作等能力。