「评测指南」共找到 949 篇相关文章
风口来了,小程序开发者必看,最高多拿10万!
微信AI小程序成长计划再升级,全行业、全类目的小程序都能申请加入。重点是针对工具类小程序推出“变现激励”,达标可额外获5%广告金激励(上限10万),作者还给出实操步骤与避坑指南。
Qwen控制机器人得分从1.9涨到31.4!清华伯克利开源统一具身Agent Harness
清华与 UC 伯克利开源机器人智能体框架 uni-robot-agent。开源模型 Qwen 搭配该框架在 RoboDojo 评测中拿下 31.39 分反超 GPT-6 Astra,单局成本仅为其二十分之一。
医疗幻觉率比DeepSeek低3倍,百川循证增强大模型横扫全球医学考试!
百川智能发布首个循证增强医疗大模型Baichuan - M2 Plus,将循证医学理念融入训练和推理,首创六源循证范式。其在多场景评测中幻觉率低,多国医考成绩优异,已上线百小应APP并开放API。
刚刚,DeepSeek V4 Pro正式版发布!
周三晚间,DeepSeek 突然发布 V4 Pro 大语言模型正式版,命名为 DeepSeek - V4 - Pro - 0813,官方未调升 API 使用价格。有用户称调用的 V4 Pro 思维链风格有变,跑分显示其 Agent 评测表现可媲美顶级模型,还撞车了马斯克的 Grok 4.6。
9B“小”模型干了票“大”的:性能超8倍参数模型,拿下23项SOTA | 智谱开源
智谱发布并开源仅9B大小的模型GLM-4.1V-9B-Thinking,在28项评测中拿下23个SOTA,成10B级别最佳VLM模型。它引入思维链推理机制,通过课程采样强化学习提升能力,还获10亿投资。
大模型API的大众点评来了:7×24小时实测,毫秒级延迟智能路由,选API必备
清程极智推出的AI Ping像大模型API领域的大众点评,用7×24小时实测数据为开发者提供参考,解决信息差和重复劳动问题。它有持续评测榜单、智能路由匹配等功能,还统一了API度量衡,推动选型从经验走向数据驱动。
91% ≈ 0%?谷歌最新研究,戳破工程 Agent 的高正确率泡沫
Google 与 Mercor 联合发布物理工程评测 PLE。测试显示 Claude 模型虽能满足 91% 的单项约束,但因各项条件关联,仅 41.3% 的方案满足全部硬性安全要求。
蚂蚁·安诊儿医疗大模型:正式开源并登顶权威医疗榜单
近日,蚂蚁集团联合浙江省卫生健康委开源自研的蚂蚁·安诊儿医疗大模型。它基于蚂蚁百灵大模型架构,经深度训练,是参数规模最大的开源医疗模型。该模型在多评测中表现出色,有三阶段训练流程,架构高效、推理快,已开源助力行业发展。
基于Memory Bank的Cursor长会话记忆内存库理论研究与实践
文章围绕Memory Bank展开,介绍其为解决大模型长会话记忆瓶颈而设计的机制,包括存储、检索、更新模块。阐述其在编程和知识库建设的应用,还评测了Codelf等工具,指出Memory Bank是AI迈向智能的重要一步。
别让故障复盘流于形式:用AI挖掘每一次“跌倒”的价值
文章指出传统故障复盘存在诸多问题,借助AI能力可解决专业性和深度问题。介绍了智能复盘Agent,包括其核心使命、目标用户、核心价值和解决方案,还阐述了核心技术架构、实现方式及评测机制等,最后给出实战案例。