「学术基准测试」共找到 2189 篇相关文章
细粒度视觉推理链引入数学领域，准确率暴涨32%，港中文MMLab打破多模态数学推理瓶颈
香港中文大学MMLab团队发布MINT - CoT视觉推理方案，解决多模态数学推理难题。它引入特殊Interleave Token，构建专属数据集，采用三阶段训练策略，实验效果全面超越现有方法。
DeepMind 提出 CaMeL，抵御 LLM 提示词注入
谷歌DeepMind研究人员提出CaMeL，作为围绕LLM的防御层，通过提取查询中的控制流和数据流阻止恶意输入，能在AgentDojo基准测试中抵御67%攻击，采用传统软件安全原则。
Open AI 新模型在 IMO 2025 上获得金牌！
OpenAI新模型在2025年国际数学奥林匹克（IMO）中达金牌水平，测试时不借助工具、不连互联网，且不太可能存在数据污染。该模型解决6题中的5题，非GPT - 5，近期也不发布。
DeepSeek深夜更新后自曝：我是V4（？！）
DeepSeek网页端深夜大更新，推出「快速模式」和「专家模式」，还有「视觉模型」开启灰度测试。虽官方未说明，但网友推测专家模式可能是V4或V4 Lite，完整版V4或许不远。
CVPR 2025 | 解决XR算力瓶颈，FovealSeg框架实现毫秒级IOI分割
来自纽约大学和Meta Reality Labs的联合研究提出Foveated Instance Segmentation新方法。FovealSeg框架结合眼动追踪，能解决XR算力瓶颈，实现毫秒级IOI分割，在多数据集测试中速度与精度双赢。
全网玩疯的SBTI，挤爆了服务器！网友用Claude手搓复刻版
全网被新型SBTI人格测试刷屏，服务器被挤崩。它解构MBTI框架，精准捕捉年轻人情绪。开发者用Claude Code完成逆向复刻，还做了改进。如今做产品门槛降低，未来SBTI或由AI打造。
AAAI 2026 Oral｜LENS：基于统一强化推理的分割大模型
文本提示图像分割技术有战略意义，但基于监督式微调的方法有泛化能力瓶颈。为此引入LENS框架，采用强化学习机制，还介绍其架构、奖励机制，该框架在测试中表现优异，代码已开源。
ICML暴力清场，497篇论文一夜作废！审稿人偷用AI惨遭全拒
ICML 2026爆出大消息，497篇论文因审稿人动用AI未标注被“桌拒”，占总投稿量2%。ICML祭出“连坐”惩罚，引发争议，有人质疑检测不靠谱，也有人支持维护学术规则。
Anthropic万名工程师都离不开！深夜随手撸出的开源神器，被OpenAl高价收购，23人创业逆袭
昨日，OpenAI 宣布收购 AI 安全初创公司 Promptfoo，其技术将整合进 OpenAI Frontier 平台。该公司由 23 人创立，开发开源工具测试 AI 系统安全。收购后 Promptfoo 保持开源，OpenAI 将新增相关功能。
谷歌nano banana正式上线：单图成本不到3毛钱，比OpenAI便宜95%
昨晚谷歌图像生成与编辑模型nano banana上线，正式名gemini - 2.5 - flash - image - preview。它有强大能力，成本低，有多种玩法，上线后测试火爆，在多个榜单成绩优异。