「大模型评估」共找到 9550 篇相关文章
谷歌AI连发6篇数学论文！Gemini攻入博士级科研，91.9%刷爆SOTA
谷歌DeepMind放出多篇重磅论文，Gemini Deep Think成「科研合伙人」，攻克多领域难题。谷歌打造基于Gemini的「AI数学家」Aletheia，在博士级难题获科研里程碑，首批6篇论文成果斐然。
Claude Opus 4.5来了：谷歌把Anthropic逼到了墙角
上周谷歌发布Gemini 3 Pro表现惊艳，今日Anthropic推出Claude Opus 4.5应对。其编程能力强，SWE - bench Verified首超80%，且降价66%。还推出产品更新，开发者可按需选模型。
田渊栋离职Meta，最后一篇论文？
离职Meta后，田渊栋团队论文被NeurIPS 2025录用。研究提出「三门理论」，发现RLVR微调在小权重发力，不破坏模型结构，还绘制出RLVR训练动态的「参数层面全景图」。
具身智能能力狂飙，安全却严重滞后？首个安全可信EAI框架与路线图出炉！
具身人工智能发展迅速，但能力与安全出现“脱钩”。上海人工智能实验室和华东师范大学团队撰写论文，为“安全可信具身智能”建立理论框架与蓝图，提出成熟度模型、分析框架等。
吴恩达来信：Buildathon 快速工程挑战赛正式发布！
2025年8月16日将在旧金山湾区举办Buildathon快速工程挑战赛。AI辅助编程重塑软件工程，不同开发者对AI使用程度差异大。DeepLearning.AI与AI Fund携手举办竞赛，让选手限时构建产品。
摩尔线程之后，又一家国产 GPU 独角兽完成上市辅导
6月23日，国产GPU龙头沐曦IPO辅导完成，将提交申报材料。其为异构计算提供全栈GPU方案，产品有曦思N、曦云C、曦彩G系列。曾与书生・浦语3.0合作，2024年交付多个算力集群。此外，国产GPU厂商纷纷IPO。
通过逆向工程探秘 Claude Code 背后的运作机制
作者通过逆向工程研究Claude Code内部运作，了解其比Cursor等工具慢且贵的原因。Claude Code注重通用性和安全性，执行任务时多有安全检查，虽增加成本延迟，但更可靠，且在命令行工具中用户体验出色。
华为海思老兵上海创业，拿到亿元投资！
过去两年汽车行业竞争激烈，智能驾驶芯片成关键领域。近日，上海为旌科技完成A2轮融资首次交割，获君信资本1亿元。其创始人郑军是海思老兵，带领公司研发多款芯片，还提出诸多行业见解。
结构化扩展拿下Agent工具检索新SOTA，精准找到API｜ICLR'26
宁波东方理工大学沈晓宇团队在ICLR 2026发表论文，指出当前工具检索瓶颈在于工具文档。提出对文档结构化扩展，再训练模型的方案，构建TOOL - REX等组件，实验显示显著提升检索性能。
CTO 焦虑自白：为什么我们有了 AI 博士生，但员工却越干越累？| 直播预告
本次直播由值得买、飞猪与彩讯多位专家，从 CTO 视角实战复盘 AI 落地与工程化挑战，探讨 AI 提效 ROI 临界点、能力错配、数据投喂等问题，还会深度复盘模型落地困局等。