「评测体系」共找到 1162 篇相关文章
只剩5年？诺奖得主Hassabis放出AGI时间表：还差一两个技术突破
诺奖得主、Google DeepMind掌门人Demis Hassabis给出AGI终极时间表，认为5年内或需1-2项重大技术突破就能跨越障碍。他指出大模型有局限，实现AGI需“世界模型”和“智能体系统”，还称AI将加速科学发现，中国AI模型距美国仅差数月。
驾驭AI的人，才是穿越周期的竞争力｜2026极客时间DTDS大会圆满落幕
2026年5月极客时间企业版联合《培训》杂志举办DTDS大会，四位产业一线实践者拆解企业AI转型难题。协鑫科技张诗笳给出AI人才培养体系；赵钰莹发布8大岗位AI技能图谱；广新集团李志刚分享创新加速三步法；黄林给出未来趋势判断与诊断模型。
出了两道真题考 GLM-5.2，Opus 4.8 和GPT 5.5 陪跑
作者对GLM - 5.2、Opus 4.8和GPT 5.5进行两项测试。一是审计Skill体系，GLM - 5.2覆盖skill数多、找出冲突多，还挖出bug；二是做世界杯夺冠推演器网站，Opus表现出色，GLM - 5.2省token，Codex有巧思但结构有缺陷。
速度提升，能力却暴跌？扩散模型做智能体的残酷真相
南洋理工大学陶大程教授团队联合发布评测报告，揭示扩散语言模型在智能体能力上有系统性缺陷，落后自回归模型。还分析其失败原因，提出评测框架，明确能力边界并给出研究建议。
机器人长出800个心眼？阿里达摩院开源具身新大脑，硅谷又坐不住了
2026年具身智能竞争激烈，阿里达摩院开源RynnBrain“具身大脑”。它采用分层架构，在16项评测中超越前沿模型。还介绍了核心技术、训练策略等，且全系列模型、评测基准和代码均开源。
蚂蚁 | 提出代码检索/重排基准：CoREB，揭开高分榜背后的三大幻觉，现已接入MTEB
蚂蚁研究人员提出代码检索与重排评测基准CoREB，解决现有基准相关性软、数据污染、任务方向单一问题。它已集成进MTEB，收录19个模型×6个任务评测结果，为代码检索模型评估提供新基线。
太狠了！为了锁死DeepSeek，Anthropic要求加大AI芯片出口管制
全球著名大模型平台Anthropic发布文章，赞同并建议特朗普制定更激进规则限制AI芯片出口，以保持美国在与中国AI竞争中的领先地位，还污蔑中国运输芯片方式，拿DeepSeek举例说明芯片限制影响，并提出三点限制建议 。
单卡搞定万帧视频理解！智源研究院开源轻量级超长视频理解模型Video-XL-2
智源研究院联合上海交通大学等机构发布新一代超长视频理解模型Video-XL-2。它单卡能处理万帧视频，编码2048帧仅需12秒，在效果、长度和速度上全面优化，已开放模型权重。
Atlas退场：OpenAI放弃的不是浏览器
OpenAI宣布放弃浏览器Atlas，它将被内置到ChatGPT和Codex里。如今‘Agent first’成共识，浏览器是Agent能力体系组件，非入口，独立AI浏览器可能方向错误。
模型不是企业的护城河，那什么才是？
文章指出企业AI进入深水区后，真正的竞争是将AI变成企业自己的智能引擎。衔远科技创始人周伯文提出泛化基础上的深度专业化是企业竞争力来源。衔远发布EnterpriseClawBench，揭示企业需私有化评估和可持续进化能力。