「评测指南」共找到 949 篇相关文章

开源动态7

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。

量子位
算法论文8

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。

量子位
算法论文7

GPT-6「看不懂 3D」实锤!250道题只拿0.53分,Claude没及格

AI 研究机构 UniPat 推出跨学科 3D 科学评测基准 ScienceVision,涵盖生物、建筑等 5 领域的 250 道题。测试中表现最好的大模型最高仅得 0.53 分(满分 1 分)。

新智元
开源动态7

耗时4小时、调用工具1492次:首次能操作电脑的腾讯混元Hy4交出了什么?|甲子光年

腾讯发布混元Hy4正式版,首次加入视觉理解与电脑操作能力并计划开源权重;官方坦承多数跑分仍落后于顶尖闭源模型,但在内部科研评测中位居开源第一。

甲子光年
新闻资讯6

千亿AI Infra独角兽诞生!三个00后创办,英伟达参投

为前沿模型提供训练数据与评测服务的 Mercor 获 7.5 亿美元 D 轮融资,英伟达等参投,估值达 200 亿美元。该公司年化收入已突破 20 亿美元,OpenAI 为其客户。

智东西
推荐文章7

MCP Server的五种主流架构与Nacos的选择

文章剖析MCP Server五种主流架构模式,结合Nacos服务治理框架,为企业级MCP部署提供指南。介绍各架构优缺点与适用场景,展示Nacos赋能及实战集成,还给出架构选型指南。

阿里云开发者
开源动态8

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。

深度学习自然语言处理
推荐文章8

AI大佬教你如何中顶会:写论文也要关注「叙事」

NeurIPS投稿截止不到一月,Google DeepMind的Neel Nanda发布机器学习论文撰写指南,旨在解决论文表达晦涩问题。指南涵盖理想论文精髓、写作关键要素、结构解析、流程建议及常见问题应对策略。

量子位
算法论文8

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。

机器之心
开源动态8

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。

新智元