「评估体系」共找到 1237 篇相关文章
先验+后验加持，大模型能否 hold 住推理预测的现实「溢出」？
多数大模型评估基准依赖固定数据集，难测真实推理实力。字节跳动等推出的 FutureX 动态评测基准，将重点移至动态预测能力。实验显示不同模型在不同任务表现有别，大模型在现实场景运用仍待优化。
42%的代码是AI写的，可96%的开发者不信它：谁敢拍板说“上线”？这成了2026年最大挑战
Sonar《开发者代码现状调查报告》显示，72%开发者每天用AI编码，42%代码由AI生成或辅助完成，但96%开发者不信任。AI虽加快代码生成，却拖慢审核等后续流程，还带来新的低效工作。企业需建立审核体系，正视代码信任危机。
银河通用完成25亿元新一轮融资，具身智能“头号玩家”现身｜甲子光年
2026年初具身智能公司融资热起，银河通用完成25亿元新一轮融资，估值超200亿。其自主研发具身智能数据体系与大模型，春晚亮相后产品畅销，在工业和服务端均有成果，具身智能迈向产业化。
网民票选AI王者，LMArena一夜变17亿美元独角兽！
LMArena原是校园开源小项目，从2023年起步，如今估值达17亿美元。其Arena模式让网友盲投选AI，Elo评分系统算排名。虽有众包投票易操纵等争议，但已成行业标杆，还将为大厂提供付费评估服务。
00后下场整顿Agent：啥都不学就能用好AI，这才是正确打开方式
AI圈模型变强但使用门槛变高，00后团队打造的胖鹅AI以低提示词为卖点，实测在生成视频、数据看板网页等方面表现出色。其核心是SOP体系，让AI适应人的习惯，降低使用门槛。
智谱终于发布GLM-4.5技术报告，从预训练到后训练，细节大公开
上个月底智谱开源 GLM-4.5 及轻量版，成绩亮眼引热议。现其技术报告发布，详述预训练到后训练细节，还介绍了开源 RL 框架 slime，展示模型架构、训练阶段等，评估了在多任务上的表现。
5Y News｜地瓜机器人完成1.2亿美元B1轮融资
日前，地瓜机器人宣布完成1.2亿美元B1轮融资，A、B轮融资总额达2.2亿美元。本轮融资汇聚多方资本，将支撑其全栈技术研发与产品迭代。它构建完善产品体系，与头部客户合作成果丰硕，还和地平线深度合作。
从 Langchain 到 Spring AI，我们究竟需要怎么样一个企业级 AI 开发基础设施？
文章指出AI Agent应用开发方式演变快，企业构建AI Agent体系面临挑战。介绍了AI Agent应用架构变化及趋势，如AI应用平台低代码效应、框架与平台双轨并行等，还总结了四类AI Agent框架及企业级框架平台核心考量。
AI竞赛下半场：为什么说“超级工厂”是最优解？
2025年夏天，巨头们因Agent的崛起对AI热情高涨，砸钱堆算力的背后是算力供不应求的困境。云计算因其具备极致的规模化、先进的生产工艺、柔性生产、智能管理和生态链接能力，被认为是AI的“超级工厂”。阿里云作为实例，展示了其完整的AI生产体系。
上线不到一年，收徒百万，首个真人级AI导师技术底牌首次曝光
2025年初，与爱为舞落地国内首个真人级AI一对一导师产品「爱学」，上线不到一年有超百万学员使用。它突破传统AI教育局限，自研全栈技术体系，从多方面打造优质AI导师，为AI Agent规模化落地定义范式。