「AI基准测试」共找到 10907 篇相关文章
省token神器3天狂揽4.1k星！19岁小哥开发，信息无损最高省87%
一款名为caveman的省Token神器在GitHub蹿红，3天揽4.1K星。它由19岁外国小哥开发，能让Agent表达更简洁，信息无损最高省87%。不过也存在争议，如节省的多为输出Token，强迫简洁或让模型变笨。
发 token 当工资？工程师不只拿现金和期权，开始按 token 分身价了
硅谷正用 token 吸引人才，国内也有类似趋势。AI 使用成本渐成人力成本关键，token 对应算力争夺，其价格上涨，大厂还想将 token 变成新价值单位，引发质疑。
最强开源搜索再升级，研究、预测能力实测超惊艳!
MiroMind团队发布新一代模型MiroThinker-1.7和MiroThinker-H1，定位为重型推理智能体。其研究能力强、推理可靠，还能生成网页报告。新版本升级显著，靠两项关键技术实现有效交互，且预测案例表现出色。
ICLR 2026 | 7B小模型干翻GPT-5？AdaResoner实现Agentic Vision的主动「视觉工具思考」
文章介绍了AdaResoner模型，它学会‘何时用工具’，在拼图推理上击败GPT - 5。Google为Gemini 3 Flash引入‘Agentic Vision’，与AdaResoner殊途同归。AdaResoner有独特训练方法，提升小模型性能。
32岁程序员猝死引反思：应给“随时随地办公”设红线；内存条涨速超金条，100根可换上海一套房？DeepSeek工程师误点踩令程序员破防｜Q资讯
本文为AI行业资讯汇总，包含32岁程序员猝死反思‘隐形加班’、TikTok官宣美国方案、内存条价格飙涨、燧原科技IPO获受理等热点，还有OpenAI、Meta等公司近期动态，以及行业会议推荐。
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。
四问智谱上市｜甲子光年
2026年1月8日，智谱AI在港交所上市。本文围绕其上市提出四问：是否为“中国OpenAI”、投资人押注点、商业模式健康度及“钱路”方向。指出它应卸下标签，回归技术与商业本质。
小扎忍痛，亲口宣告了元宇宙的死亡
扎克伯格的「元宇宙」执念向现实低头，Meta计划削减Reality Labs元宇宙部门人力，将资源倾斜至AI智能眼镜。此前Reality Labs四年亏超700亿美元，而智能眼镜销量火爆。
AAAI 2026 Oral | 拒绝「一刀切」！AdaMCoT：让大模型学会「看题下菜碟」，动态选择最佳思考语言
多语言大模型面临语言选择难题，现有跨语言推理方法存在缺陷。新加坡研究团队推出AdaMCoT框架，通过自适应路由机制动态选语言推理，提升跨语言事实推理准确性与一致性，效果超越传统方法。
为什么我坚决投入GEO（生成式引擎优化）？
AI改变流量分配规则，站长竞争焦点从‘排名位置’变为‘被引用率’，GEO应运而生。作者总结了GEO打法，如优化全站、关键页面，做结构化数据增强，还应用于自身产品。