「大语言模型评估」共找到 8288 篇相关文章
超越人类标注，Meta提出CoT-Self-Instruct：如何用"推理式自进化"重塑LLM训练
大语言模型发展需海量高质量训练数据，传统人工标注困境重重，现有合成数据方法也有缺陷。Meta提出CoT - Self - Instruct，通过推理式自进化生成数据，实验证明其在多个任务上超越人类标注数据。
DeepRare 重磅发布：全球首个可循证智能体诊断系统，直击医学Last Exam难题
上海交通大学人工智能学院等联合发布全球首个罕见病推理型智能体诊断系统DeepRare。它结合大模型和多智能体架构，模拟医生诊断思维，支持多模态输入，在多数据集评估中表现出色，已上线在线平台。
打造全球首个强化学习云平台，九章云极是如何做到的？
AI正从语言模型走向智能体，强化学习成关键技术，但训练面临困难。2025年6月九章云极发布全球首个工业级强化学习云平台AgentiCTRL，实现系统级重构，其智能基础设施战略布局领先，具产业赋能优势。
软件正在发生根本变化：Andrej Karpathy 旧金山 AI创业学院演讲万字实录
Andrej Karpathy在旧金山Y Combinator AI创业学院演讲，指出软件正进入“软件3.0”时代，大语言模型（LLM）是新型计算机，能用英语编程。他探讨了LLM特性、生态，以及如何利用其构建部分自治产品等。
谷歌助力神经科学飞跃，破解斑马鱼全脑活动密码
谷歌等机构科学家联合发布开创性研究成果ZAPBench，这是预测斑马鱼全脑活动的基准测试平台。它含超70000个神经元4D光片显微镜记录，设计多种刺激条件采集数据，有特定基准测试任务和评估指标。
AI 编码 3.0：人机协作，正在走向多 Agent 协作系统化
文章指出AI编码正从2.0走向3.0，2.0解决生成问题，3.0则是执行系统。当Agent进入软件交付流程，协作需从经验驱动转向模型驱动，Kanban和Harness等工具也有了新角色，系统更强调验证和控制。
半年销量2000万+，宇凡微如何让AI模块“飞入寻常百姓家”？
芯师爷专访宇凡微品牌部总监张雨，探讨AI模块商业化前景。宇凡微展出多款AI模块，接入豆包大模型，有自研SAS系统等优势。其通过技术、市场等层面建护城河，践行“技术平权，快速量产”理念，未来向全场景方案升级。
GPT-5被批过度炒作、性能落后，OpenAI联创揭秘其中原因：我们把它关在 “象牙塔”，和现实世界接触不够
OpenAI 发布 GPT - 5 进军企业市场，虽发布不顺利，但部分初创公司和企业客户反馈其在复杂任务表现出色、价格低廉。OpenAI 联创 Greg Brockman 揭秘 GPT - 5，称其代表‘几乎难以形容的智能’，是科研好伙伴，还探讨算力、模型训练等问题。
独家｜拿下5亿元海外订单，无界动力完成天使++轮融资，天使轮累计融资超2亿美元
AI科技评论独家获悉，通用具身智能机器人公司无界动力完成天使++轮融资，累计超2亿美元，天使+++轮也接近完成。其以隐空间世界模型构建具身大脑，区别于主流架构。还获远景超5亿订单，商业化落地成果多。
字节阿里DeepSeek决战春节：一场关乎14亿人的重磅AI大战
春节将至，字节、阿里和DeepSeek间的AI大战拉开帷幕。字节将推三款多模态旗舰模型；阿里或发布Qwen 3.5，让千问打通支付与电商；DeepSeek V4或携强代码能力突袭。这是对用户生活入口和互联网秩序的争夺。