「AI基准测试」共找到 10907 篇相关文章
大语言模型逻辑评估
现有归因问答评估方法有‘归因短视’问题，研究团队提出 LOGICSCORE 框架，从三维度量化推理质量。在多数据集测试多款 LLM，发现专有、开源模型等存在不同逻辑问题，还分析典型逻辑错误。
Anthropic一夜震撼升级：Claude获得「永久记忆」！全球打工人变天
消息人士爆料Anthropic给Claude Cowork重磅升级，知识库注入永久记忆，Cowork模式与Chat模式合并成默认界面。还有UI、自动化、语音等多方面升级，若落地Claude将成生产力搭子，或引发AI办公革命。
本周 5 个 YYDS 开源项目，真的很6！
本文推荐本周5个开源项目，有将命令行与图形化工具集成的waveterm，能转换AI输出格式的PasteMD，总结Vibe coding的vibe - coding - cn，录屏剪辑工具openscreen，还有年会抽奖系统log - lottery。
英伟达：祝贺谷歌TPU成功，但GPU领先一代
谷歌凭Nano Banana Pro、Gemini 3大获全胜，且Gemini 3用自研TPU。谷歌向客户推介TPU本地部署方案，欲抢占AI芯片算力市场。英伟达紧急发声强调自身核心地位，还砸钱拉拢大客户。
DragonMemory：16倍语义压缩，为RAG应用瘦身
介绍GitHub项目DragonMemory，它针对RAG应用上下文压缩，核心是Dragon v7模型，从序列维度压缩，压缩比达16倍。本地测试效果好，有图形界面，支持多格式文档，开源但非成熟商业产品。
谁不用谁亏！Karpathy吹爆GPT-5：10分钟编码完胜Claude一小时，奥特曼秒回感谢
AI大牛Karpathy发文狂赞GPT - 5 Pro，Claude Code一小时没搞定的难题，它十分钟就完成，奥特曼秒回感谢。多位开发者认可其编码实力，近两周OpenAI Codex使用量暴增10倍。
推理与操控能力双提升！具身机器人双系统VLA模型新突破
香港中文大学等联合提出Fast - in - Slow（FiS - VLA）统一双系统VLA模型，实现快慢系统融合。在真机和仿真测试中，成功率和控制频率提升显著，泛化能力强。未来计划探索动态调参机制。
人生教练团Agent v2.0！给你省下万元咨询费（内有详细教程）
作者打造“人生教练Agent 2.0”，将马斯克、查理·芒格等大神“塞进”电脑。它有AI主持人，能根据问题召集合适导师。还介绍使用流程，灵感源于AIasMe等，后续会教加记忆功能。
从“铁三角”到“六有”组织，北银金科如何打造千人高密度数智化团队？| 极客时间企业版
在2025 DTDS全球数智人才发展大会上，北银金科赵瑞兰介绍数智化转型实践。北银金科构建“ACT”模型，打造“六有”组织文化，开发人力看板等成果，未来愿与伙伴探索AI时代。
半壁江山都来了！龙虾Hermes爆火后首场智能体大会两天议程公布，下周杭州见
2026中国AI智能体大会7月2 - 3日在杭州开幕，由智猩猩主办。有开幕式、论坛、研讨会等，60 + 位嘉宾参与。设展览区，多家企业展示产品。议程已敲定，报名通道临近关闭。