「评测领先」共找到 1022 篇相关文章
LeCun团队开源首个代码世界模型：能生成代码还能自测自修！传统编程模型一夜成古典
Meta FAIR推出全球首个代码世界模型CWM，它能生成代码、理解语义，还‘懂得’代码执行，能模拟运行过程。在多个代码与推理任务表现出色，开源代码、训练细节等，不过目前仅支持Python。
「一页纸」吃透产业链之：人形机器人，Figure链与特斯拉Optimus链
文章聚焦人形机器人，分析其产业处于量产落地拐点，2025 - 2026年是关键期。介绍产业链上中下游情况，指出面临的软硬件挑战，还提及市场规模、主要参与者，重点关注Figure与特斯拉Optimus产业链。
刘鹏飞组提出Agent领域的少即是多：智能不在于数据堆砌，78个样本训练出超强Agent，128倍效率提升
刘鹏飞组论文《LIMI: Less is More for Agency》提出颠覆性观点，认为Agent智能培育关键在数据质而非量。LIMI用78个样本在AgencyBench得分超基线模型，实现128倍数据效率提升，为Agent开发提供新路径。
首个基于 MCP 架构的低代码 RAG 框架
检索增强生成系统复杂度提升，科研人员面临高昂工程成本。清华大学等联合推出 UltraRAG 2.0，基于 MCP 架构，降低复杂 RAG 系统技术门槛与学习成本，支持低代码构建复杂系统。
这事你还没注意呢，巨无霸已经完成“反超时刻”
过去 GPT 在 AI 领域一枝独秀，大家认为二三名与它有代际差距。但 Google 的 Gemini 2.5 Flash Image 发布后，其生图速度和质量提升，解决“连续性”问题，带来自然交互体验，标志 AI 进入新阶段。
BRIGHT榜单SOTA！人大&百度ReasonRank：用推理增强的段落重排序器
传统listwise在复杂查询表现差，近期工作泛化性不佳。人大与百度等提出ReasonRank，通过全自动合成13K推理数据及两阶段训练，在BRIGHT等榜单表现优异，且ReasonRank-7B比Rank1-7B快2.5倍。
OpenAI和Anthropic罕见互评模型：Claude幻觉明显要低
OpenAI和Anthropic罕见合作，互相授予API权限评估模型安全与对齐情况并发布报告。双方派出多模型参与，从指令层次、越狱、幻觉、欺骗策略等方面评测，呈现各模型优缺点。
一场「狼人杀」，考倒了一堆大模型
南开大学等机构设计 InMind 评测框架，在 Avalon 游戏对 11 个前沿大模型测试。多数模型停留在表层模仿，仅少数推理增强模型有初步‘风格敏感性’，未来人机交互应关注‘像不像’。
全球开源大模型，前十五名全是中国的
近日，随着新一代大语言模型更新，开源大模型成热门话题。Design Arena排行榜上，若设定为“开源”，前15名均为国产开源大模型，排名第一的是DeepSeek - R1 - 0528 ，智谱、阿里等厂商多款模型上榜。
惊人的star数,Github 65000+, 揭秘 Strapi一个让你立刻入坑的开源项目！！！
Strapi是领先的开源Headless CMS，有超65000个GitHub Stars。它基于JavaScript/TypeScript，可让开发者灵活构建、定制API，让内容编辑轻松管理和发布内容，能解决诸多内容管理痛点。