「科技评价体系」共找到 1517 篇相关文章
o3-pro通关“推箱子”，人类怀旧小游戏成了大模型新Benchmark
推箱子、俄罗斯方块等经典小游戏成大模型benchmark，o3 - pro挑战这两款游戏表现出色，突破benchmark上限，成绩远超o3。Lmgame含多款游戏，有不同评价方式，且开源可用于模型测试。
陶哲轩痛诉很缺钱！科研经费暴跌67%十年最低，自掏腰包科研
美国国家科学基金会削减基础科学资助，数学科学领域资助大降。菲尔兹奖得主陶哲轩痛诉经费不足，自掏腰包做科研，还以“开普勒的橙子”说明基础研究虽短期无用，却能助力科技突破。
中国科协重磅回击，NeurIPS含金量一夜归零！AI顶会已死？
NeurIPS以「合规」为由出台歧视性政策，引发强烈不满。其官方回应遭群嘲，中国科协出手将其2026年在中国学术评价体系中「含金量」归零，顶尖学者集体退审，顶会审稿制度也在坍塌。
一篇19种自进化Agent Skill框架最新综述
这篇来自Rutgers大学和UNC Charlotte的survey，首次系统梳理Agent技能的进化与评估全貌，覆盖19种技能进化方法和10个评估基准。指出当前评估体系有诸多不足，如无法追踪技能多轮反馈后是否变好等。
AI真能搞钱了！这家公司把大模型玩成闭环赚钱机器
当全行业还在卷大模型参数、烧算力时，零犀科技走出不同路。其自研因果大模型，用AI智能体帮企业提升销售。2025年已实现规模盈利，成为最早跑通商业闭环的大模型应用公司。
实测美团 LongCat：快到极致，但是别说追平 DeepSeek
AI科技评论实测美团LongCat-Flash-Chat，它是中量级对话模型，主打“快”，几乎零延迟。但在推理、抗污染能力等测试中，相比DeepSeek-V3.1，逻辑链条松散，缺乏清晰判断。速度与逻辑哪个更重要，值得思考。
Skill 火了，但它可能只是个过渡品
大家认为给 Agent 装技能包是未来，但云玦科技的“零 Skill Agent”能自己造工具并碾压基于 Gemini 3 Pro 的 Agent。文章回顾 Agent 用工具三阶段，指出 Skill 是过渡品，不过现阶段仍实用，未来会进化。
硅谷陷入了对中国的痴迷与羡慕
《纽约时报》称‘硅谷陷入对中国的痴迷与羡慕’，虽有夸张，但中国在AI、基建等领域进展显著，如通义万相2.5视频大模型。a16z风投公司表达焦虑，中美科技竞赛激烈，双方开始相互学习。
学好基本功，AI才能真正助你一臂之力
作者Manda Putra分享将AI融入日常工作的体验，指出AI处理琐碎任务很强大，但软件开发还需真正的理解力。以同行依赖AI解决基础问题为例，强调开发者应掌握基本功，否则行业知识体系会“崩溃”。
中科闻歌完成新一轮战略融资，引领企业级人工智能技术发展
近日，中科闻歌完成新一轮战略融资，投资方为石景山区产业基金。融资用于自研决策智能操作系统DIOS研发与推广。中科闻歌技术实力强，有全栈自研体系，已服务超千家客户，后续将深耕多领域并拓展海外市场。