「科学评测」共找到 893 篇相关文章
蚂蚁 | 提出代码检索/重排基准：CoREB，揭开高分榜背后的三大幻觉，现已接入MTEB
蚂蚁研究人员提出代码检索与重排评测基准CoREB，解决现有基准相关性软、数据污染、任务方向单一问题。它已集成进MTEB，收录19个模型×6个任务评测结果，为代码检索模型评估提供新基线。
用超图撕开知识边界：16万节点无师自通搞Agentic科研
传统知识图谱只能用三元组描述世界，难以应对真实科学场景里的多体交互。作者提出将文献里n元关系存成超图超边，让LLM在多智能体框架里‘沿着超边走路’，并构建了超图进行实验，实现可验证的科学发现。
没有生物学背景，靠ChatGPT和AlphaFold，他为爱犬定制了全球首支个性化癌症疫苗
澳大利亚程序员Conyngham的爱犬患癌，他无生物学背景，靠ChatGPT和AlphaFold分析数据，经多番尝试，让教授定制全球首支为狗设计的mRNA个性化癌症疫苗，部分肿瘤缩小一半。
诺奖获得者Hassabis警告：AlphaGo已觉醒，AGI正接管科研
十年前，AlphaGo击败李世石，让世人看到AI潜力。此后，DeepMind不断推进，其技术从棋盘拓展到科研，如AlphaFold解决蛋白质折叠难题，AlphaProof在数学推理获佳绩，这些成果显示AGI正接管科研。
OpenAI凌晨放大招，免费Prism颠覆科研！从摘要到致谢，GPT-5.2包圆
OpenAI深夜推出新一代科研利器Prism，由GPT - 5.2加持，是基于云的「AI原生」LaTeX工作区。它能解决科研工作碎片化痛点，免费且不限协作人数，或为OpenAI在科研领域发力之举。
从游戏少女到AI女神！她用物理驯服AI，让飓风预测快1000倍
本文讲述了AI领域领军人物Rose Yu的成长历程，她从玩游戏起步，到用物理知识改进交通预测、加速飓风模拟，还设想打造“AI科学家”辅助科研，强调AI是助手而非替代者。
DeepMind让AI当「上帝」，导演一场只有AI演员的「西部世界」
Google DeepMind和多伦多大学研究人员受TTRPG和现代游戏引擎启发，提出Concordia软件库。它基于「实体 - 组件」架构，将工程师与设计师角色分开，能灵活构建多角色生成式AI系统，满足不同需求。
单卡搞定万帧视频理解！智源研究院开源轻量级超长视频理解模型Video-XL-2
智源研究院联合上海交通大学等机构发布新一代超长视频理解模型Video-XL-2。它单卡能处理万帧视频，编码2048帧仅需12秒，在效果、长度和速度上全面优化，已开放模型权重。
Meta 开源 Brain2Qwerty v2：非侵入式脑机接口语句解码准确率达到 61%
Meta 近日开源非侵入式脑机接口系统 Brain2Qwerty v2，能将人脑想法解码为完整语句，平均单词识别准确率达 61%，远超其他非侵入式方案。其采用三阶段深度学习模型，代码和训练数据已公开。
模型不是企业的护城河，那什么才是？
文章指出企业AI进入深水区后，真正的竞争是将AI变成企业自己的智能引擎。衔远科技创始人周伯文提出泛化基础上的深度专业化是企业竞争力来源。衔远发布EnterpriseClawBench，揭示企业需私有化评估和可持续进化能力。