「评估策略」共找到 1560 篇相关文章
首创Mid-training范式破解RL奥秘，Llama终于追平Qwen！
上海创智学院和上海交通大学研究团队深入探讨不同基础语言模型在强化学习训练中的差异，提出中期训练策略，将 Llama 改造成适配 RL 的推理基础模型，缩小与 Qwen 性能差距，还发布了 MegaMath-Web-Pro-Max 数据集。
诺贝尔经济学奖背后的 AI 投资主线｜AGIX PM Notes
本文围绕诺贝尔经济学奖与AI投资展开。以创新驱动的增长范式与AI生产力、商业模式转型相关，还介绍本周全球股市去杠杆情况及AI领域动态，如Meta等公司技术进展，最后解读ETF市场价格与净值关系及投资策略。
谷歌助力神经科学飞跃，破解斑马鱼全脑活动密码
谷歌等机构科学家联合发布开创性研究成果ZAPBench，这是预测斑马鱼全脑活动的基准测试平台。它含超70000个神经元4D光片显微镜记录，设计多种刺激条件采集数据，有特定基准测试任务和评估指标。
千问：阿里第二次“无线战争”
本文以乔布斯用 iPhone 点咖啡引出当下科技圈流行发布会点咖啡展示 AI 能力，对比过去与现在，指出数字世界核心范式从移动转向 AI。介绍阿里千问饱和式投入情况，还分析其可能借鉴拼多多、抖音策略，站在长尾对立面。
腾讯AI Lab首创RL框架Parallel-R1，教大模型学会「并行思维」
腾讯AI Lab等机构研究者首创Parallel - R1框架，通过强化学习让大模型掌握并行思维。它解决了RL训练的冷启动和奖励设计难题，在多数学基准上提升准确率，还揭示模型思维策略变化及并行思维的‘脚手架’作用。
EMNLP25 | 北大x腾讯光子发布 C3 Benchmark：中英双语语音对话模型“地狱级”测试基准，直击语音对话模型软肋！
近年来语音对话模型受关注，但处理人类对话复杂现象的效能缺乏研究。北大联合腾讯光子构建中英双语C3 Benchmark数据集，评估模型应对复杂对话的能力，结果揭示性能瓶颈，为模型优化提供参考，代码和数据已开源。
CEO 上阵写代码，公司从被传濒临倒闭到千亿估值，最大功臣是Claude？
Airtable是先进无代码应用平台，曾被传濒临倒闭，如今估值达千亿。CEO Howie Liu分享围绕AI重组公司、亲自编程让公司实现正现金流的心路，还探讨推动团队用AI、岗位受影响情况及公司转型策略等。
180 天狠赚 5.7 亿，8 人团队全员财富自由，最大功臣是 Claude 和 Gemini
海外巨头 Wix 8000 万美元买下成立仅 6 个月的 AI 公司 Base44。其创始人 90 后 Shlomo 从两个现实需求出发，打造“全栈原生”AI 开发平台，用独特策略获 40 万用户，揭示团队规模和资金非竞争决定因素。
多智能体在「燃烧」Token！Anthropic公开发现的一切
Anthropic发布多智能体研究系统构建解释，解决多智能体研究困惑。多智能体系统优势明显，在特定任务中表现出色，但token消耗大。其架构独特，还介绍了提示词工程、评估方法、面临的工程挑战等内容。
Auto Research时代，AI Scientist的第一场药企实习考验｜甲子光年
AI Scientist从大模型做题家进化为自动化科研助手，但从demo到应用面临买单难题。Phylo等团队构建BiomniBench评估框架，让AI做药企真实数据分析，结果显示AI表现超人类实习生，且有速度和成本优势，但也存在偏科问题。