「评测系统」共找到 2235 篇相关文章
狂涨26.5K star！一个接口搞定20+AI大模型，开箱即用，太香了！
文章介绍开源项目One API，它是LLM API管理与分发系统，能统一管理主流AI模型，用一个接口搞定调用。有友好界面和可视化操作，在Github获26.5K star，还介绍其性能特色、安装使用方法。
准确率轻松翻倍！不烧钱微调，AI靠“写日记”实现能力跃升
Memento - Skills系统抛弃大量算力微调模型参数的方式，靠读写反思、“写日记”式学习机制，在不改变模型参数下实现能力跃升，在GAIA和HLE基准实验中准确率显著提高。
从 Hadoop 到 Kubernetes：Pinterest 在 AWS EKS 上的可扩展 Spark 架构
Pinterest将基于Hadoop的数据平台替换为Moka，这是在AWS EKS上运行Spark的Kubernetes原生系统。Moka实现容器化作业隔离，支持ARM实例，改进调度、简化部署，降低成本、提高效率。
北大腾讯突破奖励模型瓶颈！让AI理解人类偏好，泛化能力比肩GPT-4.1
北京大学知识计算实验室联合腾讯等机构提出RewardAnything，突破奖励模型瓶颈。它让奖励模型理解自然语言评判原则，降低成本，泛化能力比肩GPT - 4.1，还能用于定制AI行为模式。
现有AI都是假实时！Thinking Machines发布交互模型，离真正的贾维斯真的近了
Thinking Machines发布交互模型，切入与AI交互方式问题。该模型能原生支持实时交互，由交互和后台模型组成。架构设计独特，解锁多项功能，评测表现佳，但也存在长会话、计算部署等局限。
从「片段生成」到「长视频漫游」：OmniRoam探索轨迹可控的长视频生成新范式
在生成式视频发展中，长时序视频生成面临挑战。研究者提出 OmniRoam 新方法，通过全景表示和分阶段生成框架，提升视频时空一致性，还构建数据评测体系，实验表现优，有效率和 3D 应用潜力。
静态技能已死：cognee怎么让AI自己修自己的prompt
文章指出当前agent技能存在silent drift问题，Cognee作为开源知识引擎，将skills视为活的系统组件，通过Skill Ingestion、Observe、Inspect、Amend、Evaluate & Update五步实现自我进化，还介绍了相关应用及社区反应。
开发者把掌舵人骂到关回复！Windows 要变成“Agent OS”？这位印度裔高管遭遇大型翻车现场
微软 Windows 掌门人 Pavan Davuluri 推文宣告 Windows 将演变为 Agentic OS，却遭开发者和用户吐槽，评论区失控后他关闭评论。微软全力推动转型，CEO Nadella 阐述宏观理念，但用户更想要稳定可靠的系统。
刷新无监督异常检测上限！首提「匹配代价滤波for异常检测」范式 | ICML'25
新智元报道，东北大学等团队在ICML 2025提出CostFilter-AD，将「匹配代价体滤波」引入无监督异常检测，构建异常代价体并滤波，无需缺陷样本训练，可作插件提升现有系统，精准检测微小缺陷。
解道奥赛题成本5000美元？陶哲轩警告，AI下一步要规模化的「更便宜」
谷歌新一代 Gemini 进阶版在 IMO 竞赛达金牌水平，华人数学家陶哲轩对此关注且担忧。他认为评估 AI 表现应谨慎，AI 发展需从定性转向定量，要‘降本增效’，未来标准化评测很重要。