「科学评测」共找到 937 篇相关文章
智谱新模型也用DeepSeek的MLA，苹果M5就能跑
智谱AI上市后发布新成果，开源轻量级大语言模型GLM-4.7-Flash，API免费开放调用。该模型是30B总参数、3B激活参数的MoE架构，定位为“本地编程与智能体助手”，评测表现佳，采用MLA架构，多平台支持。
GUI智能体训练迎来新范式！半在线强化学习让7B模型媲美GPT-4o
浙江大学与通义实验室团队推出UI - S1，提出半在线强化学习训练范式。它融合离线与在线学习优势，用三项关键技术构建核心架构，新评测指标SOP更贴近真实表现，实验显示UI - S1 - 7B性能卓越，逼近GPT - 4o。
AlphaGo 十年：哈萨比斯说，Altman 曾把“坦克”停在我的草坪上，我要反击
3月11日是AlphaGo诞生十周年，其改变了围棋和AI行业节奏。2026年3月10日相关活动上，塞巴斯蒂安·马拉比分享哈萨比斯成长轨迹，与刘铁岩交流AGI机遇挑战，探讨哈萨比斯特质、跨学科背景等话题。
14 岁清华天才、普林斯顿最年轻终身教授王梦迪：AI 尚未发现新的基础科学｜附完整演讲
本文整理了普林斯顿大学终身教授王梦迪在2026外滩大会的演讲，分析当前大模型在科学发现上的核心局限，提出AI实现自主科学发现的路径，分享了团队的科研实践。
OPPO AI重磅发布：深度研究智能体，离“真正好用”还有多远？我们给大模型做了一次全身体检
2025年，Deep Research成AI热点，OPPO AI Agent Team对大模型评测。发布论文，开源评测基准FINDER和失败分类体系DEFT，揭示AI“装懂”“缺乏韧性”问题，还分析模型表现并给出发展建议。
OpenAI o1核心大佬离职后首次演讲！AI智能体=人力+代码「无限杠杆」
OpenAI研究员Hyung Won Chung离职后发声，认为AI是人类历史上最强大杠杆，结合人力与科技优势。它能提升个人学习效率，智能体作为复合杠杆让小团队创造大价值，还能加速社会科学进步。
速度提升，能力却暴跌？扩散模型做智能体的残酷真相
南洋理工大学陶大程教授团队联合发布评测报告，揭示扩散语言模型在智能体能力上有系统性缺陷，落后自回归模型。还分析其失败原因，提出评测框架，明确能力边界并给出研究建议。
机器人长出800个心眼？阿里达摩院开源具身新大脑，硅谷又坐不住了
2026年具身智能竞争激烈，阿里达摩院开源RynnBrain“具身大脑”。它采用分层架构，在16项评测中超越前沿模型。还介绍了核心技术、训练策略等，且全系列模型、评测基准和代码均开源。
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。