「AI测试集」共找到 10975 篇相关文章
斯坦福×英伟达发布AI推理新范式，刷新了多领域SOTA
斯坦福与英伟达联合发布论文 TTT - Discover，提出新范式，不追求通用，在推理阶段针对特定难题修改模型参数。它战绩辉煌，但成本高、是偏科生且需打分器，其出现是技术与哲学的突破。
广电绝地反击！揭秘多彩新媒「不烧钱」的AI生存法则
传统广电行业面临生存危机，多彩新媒依托1100万IPTV用户，规划‘技术筑基－场景落地－生态协同’转型路径。战略聚焦三核心，技术结合外部能力分层搭建体系，场景围绕三维度落地，生态强调内外联动。
AI Coding新王登场！MiniMax M2.1拿下多语言编程SOTA
MiniMax发布旗舰级Coding & Agent模型M2.1，在Multi - SWE - bench榜单中以10B激活参数拿下49.4%成绩，超越竞品成SOTA。它解决模型‘偏科’问题，适配开发工具链，实测在多语言编程任务中表现出色。
给你家 AI Agent 装个「长期记忆」，这个开源库一行代码搞定
Memori是开源的LLM记忆引擎/Python库，为聊天机器人等提供统一长期记忆层。它功能亮点多，如自动记忆分类、精准召回等，集成成本低，还有进阶玩法和企业安全能力。
AI 代码审查再进化：AutoDev 多智能体协作架构深度解析
现代软件开发中，代码审查存在信息割裂、人工效率低等痛点。AutoDev 借助多智能体协作与信息聚合，实现从分析到修复的闭环智能流程，还构建多 Agent 协作体系，未来将集成更多能力。
AI问答，直接「拍」给你看！来自快手可灵&香港城市大学
来自快手可灵团队和香港城市大学的研究者提出「视频作为答案」任务范式，发布VANS模型。它由视觉语言和视频扩散模型构成，通过联合分组相对策略优化算法协同优化，在教学和预测应用上效果超现有模型。
比0.99元羊毛更重要的，是跟AI砍价的快乐
双11期间，不少人分享跟Kimi Agent会员砍价战果，原本49元/月的会员能砍到0.99元。作者尝试多种砍价话术，如夸夸、卖惨等，还对比其他模型，最后总结出砍价秘诀，活动有时间和新老用户限制。
Claude Code 学习最佳实践：NotebookLM 生成全套学习视频+卡片+测试题
文章介绍用NotebookLM学习Claude Code的最佳实践。有人将36篇Claude Code资料“喂”给它，生成含音视频的学习资料库。NotebookLM能多种形式输出，支持多类型输入，值得纳入日常工作流。
高智商 ≠ 高财商？50天实盘测试：LMArena 高分王者也可能是「韭菜」
伊利诺伊大学厄巴纳 - 香槟分校团队开发 LiveTradeBench，让大模型在真实金融市场交易，检验其能力。它全面开源，有实时数据、组合决策等创新，50 天实测揭示模型财商差距。
均值至上假繁荣！北大新作专挑难题，逼出AI模型真本事
当强化学习成大模型后训练核心工具，主流方法陷入「均值优化陷阱」，推理能力停滞。北大团队提出RiskPO，将风险规避理念融入优化目标，用MVaR+捆绑策略双管齐下，三大任务表现优异。