「基准构建」共找到 2650 篇相关文章
Talking-Critic奖励模型带来更自然的音频驱动肖像
近期音频驱动肖像动画技术发展快，但现有方法存在嘴型声音不对、动作不自然等问题。阿里提出Talking - Critic奖励模型，构建Talking - NSQ数据集，还提出TLPO优化框架，提升多维度表现，实验超现有SOTA方法。
Evaluation is All You Need：评估设计的微小差异如何扭曲结果
论文以DeepSeek - R1 - Distill系列模型为例，指出大模型评估中看似客观的基准测试结果对评估细节极度敏感，细微评估条件变化会致分数波动大，削弱模型对比可信度，呼吁建立新评估标准。
人类开发者将消失？斯坦福等打破自动编程神话，回到以人为本
AI编程发展使人们认为人类开发者将消失，但卡内基梅隆等大学研究者提醒，当前AI编程研究陷入追求机器全自动解决任务的怪圈，应转向以人为本，还提出构建人机协作的四大支柱及升级基础设施等建议。
OpenClaw代码越改越崩？新研究EvoClaw揭示：Agents持续开发成功率仅13.37%
USC邓港大等联合发布评估基准EvoClaw，揭示AI在持续开发场景下表现不佳，成功率仅13.37%。研究还指出当前评测易高估AI能力，提出DeepCommit重构演进历史，分析各模型在持续演进中的局限与问题。
Current Robotics 发布 Curr-0：以 Single Policy 实现全身灵巧操作
Current Robotics发布Curr - 0，解决人形机器人移动与操作分离困境。它用Single Policy统一训练，基于HumanEx采集数据，还构建多物理模态交互世界模型，是全栈具身智能基础设施成果。
从Foundation Model到Physical AI，三星「杀入」大模型核心战场
三星正快速进入大模型核心战场，构建Foundation Model体系，采购GPU用于AI基建。它提出Meki架构、M2RL训练范式和LiveClawBench评测体系，由AI Model TF团队推进，负责人是唐业辉。
高榕、 Illuminate Financial 领投，全球支付平台 Waffo 宣布完成 3000 万美元融资
全球支付与变现平台 Waffo 宣布完成累计 3000 万美元融资，A 轮超 1500 万美元由 Illuminate Financial 与高榕创投领投。融资用于构建支付方案、搭建收单网络、拓展支付渠道合作。
黄仁勋达沃斯首秀：GPU一卡难求，何来AI泡沫？
英伟达CEO黄仁勋在达沃斯首秀时力挺AI，提出‘五层蛋糕理论’，总结2025年‘三件大事’。他认为AI能增加就业、推动经济，回击‘AI泡沫论’，号召各国构建自己的AI。
The Batch: 952 | GPT-5.5 性能领先，但幻觉问题突出
OpenAI 最新旗舰模型 GPT-5.5 是闭源视觉 - 语言模型，在重要基准测试中表现领先，但在区分已知未知内容上有困难，幻觉问题突出，在主观评估中落后于对手。
北大开源统一世界模型框架：多类合成推理任务一套搞定
世界模型研究中，不同任务存在接口不统一等问题。北大DCAI课题组联合多方推出OpenWorldLib推理框架，整合多模态能力，构建标准化接口体系，在多任务上评估效果良好，降低研发门槛。