「基准构建」共找到 2650 篇相关文章
AAAI 2026 Oral｜InfiGUI-G1模型来了，刷新GUI Grounding SOTA
多模态大语言模型发展下，GUI Grounding任务是难题，现有RLVR方法有瓶颈。浙江大学等团队提出AEPO框架，推出InfiGUI - G1系列模型，小参数量刷新GUI基准测试SOTA，代码已开源。
两周干成一天！毕马威用100页Prompt落地企业Agent
毕马威打造税务AI助手TaxBot，将两周的专业咨询工作缩至一天，效率提升超10倍。其构建KPMG Workbench平台，集成多模型，用100页Prompt指导学习，未来或采用Agent Runtime服务。
任务级奖励提升App Agent思考力，淘天提出Mobile-R1，3B模型可超32B
现有Mobile/APP Agent依赖动作级奖励，难应对变化环境。淘天集团团队提出Mobile-R1框架，采用三阶段训练，结合任务级奖励，实验显示其表现超基准，团队还计划开源资源。
Agent创业者的天塌了，OpenAI发布ChatGPT Agent
昨晚OpenAI发布ChatGPT Agent，这让Agent创业者紧张。它整合多种能力，功能强大，支持多操作。新模型经强化学习调优，在多基准测试中表现佳，或挤压初创公司通用Agent赛道空间。
Copilot 创始工程师：大多数 AI 编码“就像开着法拉利去买牛奶一样”
GitHub Copilot 创始工程师 Neel Sundaresan 正构建智能编码工具 IBM Bob，已有 8 万 IBM 开发者使用。他认为多数 AI 编码像开法拉利买牛奶，Bob 会按需调度模型，他还谈及智能体市场变化与风险。
ICLR 2026 | CineTrans: 首个转场可控的多镜头视频生成模型，打破闭源技术壁垒
随着视频生成模型发展，影视级长视频需多镜头序列及自然转场，这成新挑战。上海人工智能实验室团队提出 CineTrans 模型，基于掩码机制实现自动化转场，还构建 Cine250K 数据集，实验效果超基线。
字节豆包2.0重磅发布！成本暴降一个数量级，Seed团队揭秘视频Agent竞争关键
今日字节发布豆包大模型2.0系列，围绕大规模生产环境需求优化，有Pro、Lite、Mini和Code四款模型。其Token单价低一个数量级，多模态理解能力升级，未来将围绕长链路智能系统构建发展。
当人形机器人还在画饼，这家公司已用“带大脑的机械臂”实现批量落地 | 甲子光年
当资本热捧人形机器人时，微亿智造已率先将工业具身智能规模化落地。其‘创TRON’机器人解决多行业痛点，实现降本增效，落地版图不断扩大，还构建技术护城河，未来将迈向群体智能。
准确率轻松翻倍！不烧钱微调，AI靠“写日记”实现能力跃升
Memento - Skills系统抛弃大量算力微调模型参数的方式，靠读写反思、“写日记”式学习机制，在不改变模型参数下实现能力跃升，在GAIA和HLE基准实验中准确率显著提高。
CVPR 2026 | EmoStyle：情感也能“风格化”？深大VCC带你见证魔法！
EmoStyle由深圳大学可视计算研究中心黄惠教授课题组完成。它解决图像情感风格化两大挑战，提出有效方法、构建数据集、设计模块。实验显示其平衡情感与内容，还能扩展到文生图。