「评估问题」共找到 3739 篇相关文章
Seedance 2.0之后，又一中国视频模型SkyReels-V4登上全球第二
昆仑天工发布SkyReels V4视频大模型，在Artificial Analysis Arena基准测试中排全球第二。它支持多模态输入、音视频同步生成等，采用独特架构与技术，经多阶段训练，有全新评估基准，表现出色。
6款小游戏难倒所有顶级VLM！愤怒的小鸟让它们全军覆没，性能不如随机猜测
淘天集团未来生活实验室提出首个系统性评估多模态大模型（VLM）交互式物理推理能力的综合基准DeepPHY。它集成六个物理环境，对17个主流VLM测试，揭示其在物理交互等方面短板。
LangChain 不看好 OpenAI AgentKit：世界不需要再来一个 Workflow 构建器
OpenAI发布工具集AgentKit，含可视化画布Agent Builder。LangChain创始人Harrison Chase锐评，市场不需要这种可视化工作流构建器，因其不是真正的Agent构建器，且面临高低复杂度问题挤压。
CJA | 北航罗明强教授团队：一种基于生成式人工智能的快速结构化飞行器概念设计方法
目前人工智能为飞机概念设计提供方案，但存在数据需求大等问题。北航罗明强教授团队提出基于LLMs的设计方案生成方法，开发原型系统，实验表明LLMS有相当设计能力，该方法可降成本、提效率。
破解「个性化学习」长尾难题，巧用神经坍缩理论 | ICML 2025
当前个性化学习方法基于数据高质量且类别平衡的假设，但现实教育数据呈不均衡分布。华东师范大学和浙江大学团队在ICML2025提出NCAL方法，将神经坍缩理论引入该领域，解决教育数据长尾分布问题。
我用扣子空间制作了档小宇宙播客《语出惊人》，借AI之口犀利对谈人生困境，效果惊艳
作者在All in AI后运营AI Reading Hub公众号，有每日文章和语出惊人两个板块。体验notebooklm后，用扣子空间制作小宇宙播客《语出惊人》，借AI探讨年轻人关注问题，后续会持续更新。
The Batch：836 | 基准测试成本攀升
独立AI测试实验室披露评估推理模型成本上升。这些模型生成“思维链”提升输出质量，但计算需求增加，成本上升使资源有限组织难复现结果，且新模型定价、按需分配推理token也让成本更复杂。
端侧跑大模型，现在也太简单了
作者Vicki Boykis分享本地运行AI模型体验，指出如今本地模型性能提升大，像GPT - OSS、Gemma 4系列表现出色。还介绍运行本地智能体流程的设置，虽有问题，但优势多，生态值得投资。
ESLint v10 发布，但有开发者已经在考虑换 Biome 了
广泛使用的代码检查工具 ESLint 发布 v10 版本，完成架构调整，移除旧版配置系统，改进查找配置文件方式等。但生态兼容性有问题，迁移成本高，部分开发者考虑换用 Biome 等替代工具。
陶哲轩震撼！数学家1975年埋下的「坑」，被AI和全球网友用48小时填平了
2025年12月，困扰数学界50年的Erdos#1026问题被攻克。陶哲轩宣布，在AI辅助下人类团队仅用48小时就完成证明。传统方法可能需数周甚至数月，AI带来全新理解，生成了新数学洞见。