「评测反馈」共找到 839 篇相关文章
清华刘洋团队论文：揭示为何 70B 的医疗模型，反而不如 8B 会问诊丨ILCR 2026
在医疗AI领域，模型静态评测与临床问诊能力存在断层。清华刘洋团队提出DOCTOR - R1，将临床问诊建模为POMDP，用强化学习训练。实验验证了其有效性，对医疗AI发展有深远启示。
关于中美 AI 竞争的差距，我可能真的说错了
作者因读者反馈，意识到自己对中美AI竞争差距理解不全面。基模能力中国整体落后美国，但部分领域领先。模型能力提升难被多数用户感知，且中美在商业模式、模型开源等方面差异大。
Skills刚火，就有零Skill的Agent来了…
Skills爆火之际，云玦科技团队提出不用Skills的零Skill Agent。它以Gemini 3 Pro为后端，在多个评测集表现出色。采用原位自进化框架，开源且成本低，或助力开源模型弯道超车。
一年拿下三轮融资！影目INMO正在鼻梁上“复刻”一个AI手机
影目INMO在一年拿下三轮融资，近5亿资金到位。其产品INMO GO3等表现出色，首发预订量可观。该公司专注轻量化一体式AI+AR眼镜，结合自研系统与智谱大模型，还拓展线下渠道，全球化布局也在推进。
今年看到最系统的AI Agents时代Memory综述~
分享由NUS、人大等联合出品的《Memory in the Age of AI Agents: A Survey》。用三维框架讲透200+篇论文，提出新三大记忆形态，展望7大前沿，还涵盖记忆各方面知识及资源。
告别「手搓Prompt」，前美团高管创业，要让物理世界直接成为AI提示词
在2025年AI硬件赛道火热背景下，Looki创始人孙洋团队打造Looki L1可穿戴设备，将自动驾驶逻辑用于生活场景，转化视听信号为模型上下文，构建用户专属数据飞轮，让AI实现主动共鸣。
OpenAI：如何用 Codex 在 28 天内极速打造安卓版 Sora
OpenAI发布工程博客，揭秘用Codex不到一个月打造Sora安卓版应用的过程。这款应用上线首日冲至Google Play下载榜第一，24小时内用户生成超百万视频，开发过程耗约50亿tokens，崩溃率仅0.1%。
小模型，大能量！200美金的GPT Pro竟然输给了它？
博主用11个场景深度测试昆仑万维的Skywork R1V4 - Lite，它能做到Gemini 2.5 Pro才能干的事，速度快、成本低。在定位、人物识别、生活实用、专业鉴定、学术研究等场景表现出色，核心突破在于主动图像操作与深度推理。
4倍速吊打Cursor新模型！英伟达数千GB200堆出的SWE-1.5，圆了Devin的梦！实测被曝性能“滑铁卢”？
Cognition推出全新AI编码模型SWE-1.5，专为软件工程任务设计，运行速度快，在基准测试中成绩良好。它基于GB200芯片训练，有定制编码环境，开发有新战略，还与Cursor新模型Composer对比引发关注。
Python新版本去GIL刷屏，Karpathy 点赞敢死队，Python 之父：冷静，别神话并发
Python 3.14 正式发布，将“去 GIL”写进官方发行版，一整套能力同步上线，官方预估可带来约 3% - 5% 的性能提升。开发人员反馈速度明显提高，但 Python 之父认为去除 GIL 的重要性被高估。