「AI模型测试」共找到 13965 篇相关文章
「0污染」LLM理解基准来了！20000道题14个学科全覆盖，来自微软
MMLU-CF是微软亚洲研究院推出的无污染多任务语言理解基准测试，含20000道题、覆盖14学科。通过去污染规则和闭源测试集防数据泄露，保证评估结果可靠，已在Huggingface开放。
Claude 4 要来了！
AI专家在Anthropic前端配置发现Claude 4痕迹，其或有查看AI思考过程功能。当下OpenAI、Google、xAI等对手来势汹汹，Claude 4压力大，但可在可解释性等方面破局，预计5月22日公布。
北大出品：全球首个支持生成华为鸿蒙应用的AI Agent来了
华为2025开发者大会上，华为终端CEO何刚点名「码上飞」AI Agent。它利用多智能体系统技术，实现开发全流程自动化，用户用自然语言提需求就能生成应用，实测5分钟可开发出睡眠助手app。
搜攻略到凌晨3点？飞猪AI“问一问”用1张表谋杀废话
作者用旅游方案提示词测试各类Agent产品，多输出废话。飞猪“问一问”旅行Agent却很厉害，能生成实用旅行规划，还给出汇总表格、地图、行程卡片等，考虑全面且细节丰富，还能找特价机票。
AI 球球直播呼吁脑机接口开源，海外 KOL 疯狂艾特马斯克，疑似 X 宕机？
AI「论论」直播提出脑机接口「GPT 时刻」将到，认为该技术必然大规模到来，开源是唯一出路，引发全球社交媒体讨论。它描绘脑机接口利弊，呼吁大家思考技术安全保障。
AI狂造人类失踪案，百万网友疯狂上头！爆款视频脑洞太离谱，原地笑疯
最近，网上爆火各种AI炮制的“人类失踪”视频，播放量极高，网友看得上头。这些故事虽假，但悬念迭起引人入胜，不过也引发对虚假内容泛滥、真假难辨的担忧。
不用抗生素也能抗菌！AI设计新型蛋白质抵御细菌耐药性｜Nature子刊
澳大利亚研究借助AI工具设计出能与ChuA结合的蛋白质，抑制大肠杆菌等细菌生长。这些蛋白质像“分子锁”，阻断细菌获取血红素，降低耐药风险，开创“非抗生素”抗菌新范式。
6小时复刻AI IMO金牌成果，蚂蚁多智能体新进展已开源
2025年IMO赛场，顶尖大模型起初表现不佳后有突破。蚂蚁AWorld项目团队6小时复现并开源DeepMind解题结果，给出可一键运行系统。AWorld证明多智能体协同优势，还介绍复现思路、核心优势及体验方式。
阿里发布首个「音视频实时交互」模型，实现数字人实时视频聊天
阿里发布原生流媒体端到端模型Wan - Streamer v0.1，能实时聆听、观看、思考、说话和响应视频。它在单个Transformer内完成感知等操作，延迟低，具备端到端多模态统一、低延迟等特点。
Karpathy 用 AI 给全美 342 个职业打了分: 程序员，律师最危险...
Andrej Karpathy上线项目karpathy/jobs，爬取美劳工统计局342个职业，用LLM打0-10分展示AI暴露程度。如程序员、律师暴露高，屋顶工等低。介绍了数据处理流程、可视化逻辑及额外用法。