「测评提升」共找到 3030 篇相关文章
刚刚，阿里旗舰模型Qwen3-Max-Thinking发布，编程能力“踢馆”Gemini与Claude
阿里发布旗舰模型Qwen3-Max-Thinking，总参数超1万亿，在多项权威基准测试中表现优异，可与顶级闭源模型竞争。千问团队为其引入两项核心创新，提升推理性能，该模型已可免费体验。
英特尔CES奇袭老黄大本营！英伟达显卡刚涨价，最强酷睿量产出货
英特尔第三代酷睿Ultra处理器正式开卖，基于Intel 18A制程，有RibbonFET和PowerVia两大黑科技。移动端有酷睿Ultra X9和X7，图形处理、多线程性能提升，续航达27小时，边缘处理器与PC同步发布。
华为 | MoE推理「王炸」组合：昇腾原生盘古推理，性能狂飙6-8倍！
华为团队推出昇腾平台原生Pangu Pro MoE 72B模型，经系统级软硬协同等优化，推理性能提升6 - 8倍。还提出分层混合并行等策略，打造融合算子，设计推理算法，在昇腾不同平台展现卓越性能。
DeepSeek-V3.1 发布，官方划重点：Agent、Agent、Agent！
2025年8月21日，DeepSeek V3.1正式发布。它采用混合推理架构，支持双模式，网页端、App、API均升级，上下文拓展至128K。其智能体能力增强，思考与输出效率提升，还具备API新特性，模型已开源，价格也将调整。
长程任务飙升98%，斯坦福Skill原生LLM来了
普林斯顿、CMU、斯坦福、牛津等提出Skill-Native大模型，提出Skill Entropy度量技能切换难度，搭建Skill²-Bench评测，还将熵用作训练信号提出Skill-Entropy RL，提升多模型准确率，且技能熵可复用。
AI提效20%，我们程序员加班却越来越狠：老板量生产力的尺子，歪了？
文章指出 AI 虽提升编码效率，但整体提效有限，企业衡量开发者生产力的指标易走偏。不同行业对 AI 应用态度不同，企业需合理管理 AI 成本，未来人的价值体现在复杂工作中。
我的 2025 总结：当 AI 开始释放创造力，工程师如何重新站位
2025 年 AI 开始释放创造力，重新定义知识工作。作者在编程上向创造性工作倾斜，设计适配 AI 的架构、落地 DSL；写作上 AI 提升生产力但削弱创作欲。2026 年需探索新竞争力，实现角色转变。
陶哲轩都惊了！o3首战「AI奥数」碾压夺冠，开源军团仅差5分狂追OpenAI
AI界奥数杯重启，OpenAI o3首参赛，算力拉满时以47分夺冠。测评显示在奥数数学推理上，商用和开源AI差距缩小，开源即将追上商用模型。报告完整测试结果已放出。
很多创业者都没意识到，Deep Research 也是做 Go-to-Market 的利器
用好 Deep Research 可提升 AI 产品 GTM 效率，主流 AI 产品都有该功能。前 Meta 战略总监写实用指南，从技巧、提示词公式、工具选择等阐述，还给出 5 个 GTM 用例及提示词模板。
多模态大模型，真的「懂」世界吗？——揭秘 MLLM 的核心知识缺陷
ICML 2025高分论文揭示MLLM核心认知盲区。研究发现主流MLLM缺乏核心认知能力，且不能靠规模扩展自然习得。作者构建测评体系CoreCognition，提出干预测试方法Concept Hacking，还给出关键发现与启示。