「AI模型测试」共找到 13983 篇相关文章
别再无脑开高推理！Opus 5高配会擅自重构代码乱加戏
有人用FrontierCode编程基准测试Opus 5推理档位，发现性能顶峰在medium档，高档位推理预算多余，会让模型反复校验、偏离需求，在代码场景还会擅自重构代码。Anthropic也建议调低推理档位。
讯飞刚发的财报：净利润暴涨了202%
科大讯飞2025年第三季度财报亮眼，营收、利润、现金流全面转正，归母净利润同比大增202%。AI大模型技术突破与产业化落地成业绩修复关键，在技术、业务、生态方面成效显著，还将加大研发投入。
开放世界任务成功率82%！美的攻克机器人泛化控制难题
美的AI研究院和华东师范大学联合提出ChatVLA - 2模型，引入动态混合专家架构和双阶段训练流程。真机实验显示其开放世界任务成功率达82%，远超现有方法，为通用机器人控制提供新思路。
最大的开源GraphRag：知识图谱完全自主构建｜港科大＆华为
香港科技大学KnowComp实验室与香港华为理论部提出AutoSchemaKG框架，可自主构建知识图谱，无需预定义模式。该系统利用大模型提取知识三元组并归纳模式，构建了ATLAS系列知识图谱，经测试表现优异。
ChatGPT要卖 500 美元的Pro Max套餐了！
本文爆料OpenAI正筹备月费500美元的ChatGPT Pro Max订阅套餐，价格为现有顶配的2.5倍，主打最快算力优先级，面向重度生产力用户。因前沿大模型算力消耗过大，业界讨论顶尖AI是否会成为高价特权。
挺意外的，Agent长期记忆潜力被AMemGym挖出来了
论文提出交互式在线策略评测框架AMemGym，它能反映AI助手长期记忆能力、驱动Agent自我进化记忆。它以结构化状态演化为骨架支撑自由对话评测，还对主流记忆系统做了扫描，带来评估与训练范式转换。
引入小目标注意力模块改进YOLO12用于无人机视角下的岸边人员玩水检测
文章介绍用小目标注意力模块改进YOLO12，用于无人机视角下岸边人员玩水检测。先介绍YOLO12特点与结构，再说明小目标注意力模块CBAM优势、流程及代码，接着阐述改进方法、数据集情况，最后给出训练和测试模型的代码与结果。
Claude 最歧视的，是印度阿三
AI研究员Aran Komatsuzaki实验发现，Claude的tokenizer对非英语用户不友好，印地语用户消耗token是英语的3.24倍，带来高成本、高延迟等问题。不同模型对不同语言token处理有差异，市场份额影响token效率。
高管0份！影石年会5套房全归90后；34岁清华学霸28个月造百亿独角兽；DeepSeek“冷漠”争议，春节要燃回来？| Q资讯
本文为AI行业资讯汇总，包含DeepSeek回应“变冷漠”、影石年会送房、34岁清华学霸造百亿独角兽等热点，还涉及字节跳动、谷歌、英伟达等公司动态，以及模型下架、新规发布等消息。
Ilya重新定义AGI: 为什么ChatGPT离真正的AGI还很远
OpenAI前首席科学家Ilya在访谈中提出对AGI的新定义，还指出AI规模时代结束，未来拼想法和研究深度。他分析模型评测强但经济影响弱的原因，阐述人类价值函数作用，且SSI战略或调整。