「AI基准测试」共找到 10678 篇相关文章
AlphaGo之父找到创造强化学习算法新方法：让AI自己设计
谷歌DeepMind团队在Nature发表论文，探索AI自主发现强化学习算法的可能。团队负责人是“AlphaGo之父”David Silver 。方法是基于智能体经验元学习，实验显示自动发现的规则表现优异，未来强化学习算法或无需人工设计。
Qwen新开源，把AI生图里的文字SOTA拉爆了
通义模型家族新开源图像生成模型Qwen - Image，是通义千问系列首个图像生成基础模型。实测其对提示词理解到位，文字渲染高保真。它具备复杂文本渲染、一致性图像编辑能力，在多基准测试达SOTA。
媲美Claude 4，支持100万上下文！阿里开源超强代码AI Agent模型
阿里巴巴开源超强AI Agent模型Qwen3 - Coder - 480B - A35B - Instruct，测试分数媲美Claude Sonnet 4，超越DeepSeek。它参数多、支持大上下文窗口，训练数据优质，还进行代码强化学习扩展训练等，有对应命令行工具。
真实音频场景，大模型集体挂科！首个原生语音基准MultiChallenge
Scale AI发布首个原生音频多轮对话基准Audio MultiChallenge，撕开大模型靠合成语音评测维持的假象。实验显示，Gemini 3 Pro等模型在真实场景表现不佳，还揭示了模型在语音交互中的三大失败模式。
训练200万小时！OpenAI刚刚开源GPT-oss，AI Agent专属模型、可商用
今天凌晨OpenAI开源大模型GPT-oss，有1200亿和200亿两种参数，支持商用。它针对AI Agent训练，功能丰富。训练耗时超200万小时，测试表现出色，架构设计也有亮点。
甲小姐对话郝景芳：从北京折叠到AI折叠 | 甲子光年
这是甲小姐与郝景芳的对话，探讨AI对工作、社会、教育等方面的影响。郝景芳分享创业经历，谈AI编程体验，分析AI时代公司组织、就业、社会阶层变化，还探讨AI应用、素养普及、人类角色等问题，表达对人性和社会发展的看法。
OpenAI CEO亲口承认：AI投资泡沫来了，但这次可能比互联网泡沫更疯狂
OpenAI CEO Sam Altman称投资者对AI过度兴奋，AI处于泡沫中，还透露OpenAI将花数万亿美元建数据中心。数据显示AI投资疯狂，且相比互联网泡沫，此次AI泡沫垄断程度更高、投资规模更大等。
5700问答对全面评估拷问AI空间感！最新空间智能评测基准来了丨浙大&成电&港中文
当前视觉语言大模型空间信息学习片段化，缺乏多维度空间推理能力。浙大、成电和港中文团队提出ViewSpatial - Bench基准体系，评估主流模型，揭示其缺陷，并开发MVSM优化跨视角空间理解。
微软放话一年消灭白领！硅谷老板流行借助AI亲自上手一切
微软AI掌门人苏莱曼称12到18个月内，电脑前工作将被AI自动化，会计等白领岗位首当其冲。硅谷CEO用AI写代码、搭产品抬高绩效标准。不过现实复杂，AI红利多在科技圈，岗位替代没那么快。
给你一群顶尖AI，如何组队才能发挥最大战力？UIUC用一个新的多智能体协作基准寻找答案
现有的评测基准无法衡量多智能体系统内部的协作效率、沟通质量和竞争策略。为此，伊利诺伊大学厄巴纳 - 香槟分校的研究者推出 MultiAgentBench，能全面评估 LLM 多智能体系统协作与竞争能力。