「AI模型测试」共找到 13965 篇相关文章
Auto Research最后一块拼图，Frontier-Eng Bench登场，在工程闭环里死磕最优
Einsia AI旗下Navers Lab论文Frontier - Eng推出新评测范式Generative Optimization，搭硬核评测系统，覆盖47个横跨5大工程方向的任务。评测多种模型，结果显示gpt 5.4最稳健，但距资深工程师水平尚远。
本周 5 个实用的 Github 开源项目，真香！
文章介绍本周5个实用Github开源项目。有资源聚合媒体中心stremio-web，AI原生安全测试平台CyberStrikeAI，本地优先AI编程远控工具hapi，智能股票分析系统daily_stock_analysis，纯前端JavaScript GUI智能体框架PageAgent。
图生视频新玩法刷爆外网：图上画两笔就能动起来，终于告别文本提示
Higgsfield AI 是专注 AI 视频生成的初创公司，近期发布 Draw-to-Video 和 Product-to-Video 功能，前者画图形元素就能生成视频，后者可拖拽生成广告视频。它还常上新功能、集成热门模型，官网功能模板丰富。
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。
刚刚，OpenAI成立独立数学顾问团！100+「已攻克」开放问题待审
OpenAI内部AI模型已解决超100道横跨多领域的长期开放数学问题，包含纳维-斯托克斯千禧年大奖难题。因AI出成果速度远超学界评议能力，OpenAI联合学界成立独立顾问团审查评估成果，回应数学界质疑。
传统PM假设已死！Anthropic的产品经理是怎么工作的？
文章指出在AI指数级增长时代，传统产品管理假设已不适用。以Anthropic的Claude Code为例，展示模型能力大幅提升，介绍了新的产品管理工作流程、四个根本性转变及新节奏，强调判断力的重要性。
4天拿下13.6k星！Browser Use接上Jev，Agent操作浏览器效率提升10倍
本文介绍上线4天收获13.6k星的开源项目jev-ultrafast，该项目结合Jev快速决策模型优化AI Agent操作浏览器流程，效率提升10倍，解决原有AI操作浏览器卡顿缓慢的痛点。
Meshy用户破千万后杀向新战场：ARR年翻14倍，头部厂商集体买单
Meshy是计算机图形学大神胡渊鸣创立的AI 3D公司，其创意工坊打通“AI创意→实体交付”。Meshy生成模型打印适配度高，破圈至多元领域，注册用户破千万，ARR年翻14倍，获多轮融资。
姚顺雨入职腾讯50天后，发布了首篇署名论文：CL-Bench
2月3日姚顺雨加入腾讯50天后发布首篇署名论文《CL-bench: A Benchmark for Context Learning》。该论文做了新的benchmark，测试显示前沿模型平均分仅17.2%，指出模型在上下文学习尤其是归纳能力上的短板。
PDF难点解析：处理复杂表格、水印、印章、复选框、信息抽取等7项任务，6大能力
文章介绍Nanonets - OCR - s可处理关键信息提取、视觉问答等7项任务，具备LaTeX方程识别、图像描述等6项能力，还给出体验链接。但测试发现英文体验优于中文，模型有重复输出、幻觉严重问题。