「多选题评测」共找到 4551 篇相关文章
Qwen 3-235B Aider编程能力击败Claude3.7，成本便宜百倍
Qwen3-235B-A22B在Aider多语言编码基准初步测试中击败Sonnet 3.7 Thinking和OpenAI o1，成本便宜150到600倍。Qwen3-32B准确率超GPT-4.5和GPT-4o ，代码编辑格式正确率达100%。
π0.7的泛化能力有多强？零样本纯靠口述就能用空气炸锅，演示完换个机械臂也能叠衣服
2026年4月16日，美国明星机器人AI公司Physical Intelligence发布模型π0.7。它具组合泛化能力，借助多模态提示框架，能零样本完成新任务。在空气炸锅、叠衣服等实验中表现出色，有望推动具身智能发展。
入职仅一年，套现5000多万后背刺马斯克搬走 Grok 核心代码库！业内专家：拥有菜谱不等于能做出同样的菜
xAI起诉前员工Xuechen Li窃取商业机密，指控其复制代码库，可能使对手受益。业内专家认为大模型核心竞争力不全在代码，xAI可通过加强管控、研发等修复竞争力，还探讨了数据防泄漏系统问题。
单卡搞定万帧视频理解！智源研究院开源轻量级超长视频理解模型Video-XL-2
智源研究院联合上海交通大学等机构发布新一代超长视频理解模型Video-XL-2。它单卡能处理万帧视频，编码2048帧仅需12秒，在效果、长度和速度上全面优化，已开放模型权重。
小企业专属Claude来了！一键接入全套业务流，不用写代码AI自动算账催款
Anthropic推出Claude for Small Business，是全新连接器和工作流包，可嵌入小企业常用工具。操作简便，覆盖多领域，有安全保障，还配套培训课程和线下活动。
科研写作神器，超越Mathpix的科学公式提取工具已开源
LaTeX公式OCR现有方法处理真实文献面临挑战，DocTron团队提出系统性方案。构建CSFormula数据集，提出DocTron - Formula模型，在评测和实际应用中表现出色，超越Mathpix等工具。
Nature报道：谷歌新模型1秒读懂DNA变异！首次统一基因组全任务，性能碾压现有模型
谷歌DeepMind团队推出生物模型AlphaGenome，能从1兆碱基DNA序列中预测数千种功能基因组特征，评估变异效应。它统一多任务，性能超现有模型，是生物领域里程碑，将助力理解疾病。
走出 MMLU 的高分幻觉：AI Agent 的「斯坦利时刻」与职场生存法则
文章指出多模态大模型在基准测试分数高，在实际业务流程却像‘职场巨婴’。研究团队构建Trainee - Bench测试顶尖模型，结果显示模型离‘独立上岗’远，凸显提升Agent自主学习性的重要性。
2w+ star，和claude对着干，牛皮！
Anthropic 给 Claude 生成文字添加水印，方式独特且难去除。`watermarks-remover` 项目应运而生，针对不同水印机制分层处理，兼容多格式文件，有多种安装使用方式，还明确告知能力边界。
最贵缩放录屏软件Screen Studio被这个开源项目复制了，完全免费！
Recordly是开源录屏与编辑工具，适用于演示等场景，支持多系统，比Screen Studio轻便顺滑还免费。有自动缩放等功能，介绍了安装、系统要求和使用方法。