「评估标准」共找到 1007 篇相关文章
2026云程奖启动！我们要给「在校AI本硕博」发奖学金
在AI领域创新主力军向年轻一代偏移的当下，机器之心等联合发起聚焦AI领域优秀本硕博在校生的「云程奖」，设年度新星和特别奖，介绍了评选标准，并说明报名及合作联系事宜。
CVPR 2026 Highlight｜让家电「在仿真中运转起来」，北大正式发布RealAppliance！
北京大学团队提出 RealAppliance 数据集与 RealAppliance - Bench 评测基准。前者收录 100 个精细家电资产，与真实产品系统多层面对齐；后者围绕五项任务评估模型家电操作规划能力，实验显示主流模型仍面临挑战。
OpenAI发布MRC超算协议，重塑10万GPU集群通信，AMD等合作推进
OpenAI联合AMD等发布MRC超算协议，它基于RoCE标准，打破传统网络局限，解决超大规模计算集群难题，降低成本与能耗。MRC有多平面网络等特性，已在多超级计算机部署，规范也已公开。
迈向无缝共生：大模型GUI Agent的「屏幕图灵测试」与拟人化之路
多模态大模型使GUI Agent能模拟用户执行任务，但也引发与平台的利益冲突。论文提出“屏幕图灵测试”和AHB基准评估拟人化能力，探讨拟人化策略及权衡，为Agent在数字世界共生提供指南。
高盛怕了！Claude Mythos全球首个攻破企业网络，奥本海默时刻来了
英国AI安全研究所研究显示，Anthropic发布的Claude Mythos Preview模型在网络安全评估中表现惊人，能全自动、全自主完成企业网络攻击模拟。高盛为此加强网络防御，人类网络安全或进入奥本海默时刻。
重新认识具身行业，从自变量的这封邀请函开始
具身智能行业存在评分、技能、样品、商业四大‘气泡’，即认知偏差。自变量机器人将在发布会上戳破‘气泡’，打破认知差，重建评价标准。行业‘拐点时刻’需大脑能力突破、真实场景稳定运行、跑通ROI闭环。
Anthropic用GAN思路解决AI产出质量问题
Anthropic工程师发现AI会自我欺骗，无法准确评价自己工作。他们借鉴GAN思路，让Generator生成、Evaluator验收。校准Evaluator使其严格，还为前端设计定审美标准，实验证明挑刺搭档能提升AI产出质量。
做RAG这一年，最后悔的就是上知识图谱
基于知识图谱的检索增强生成在问答任务中存在三元组索引丢失上下文语义问题，作者提出MDER - DR双阶段框架，在标准测试和特定数据集上性能提升最高66%，还具备多方面优势。
OpenClaw不会蛋炒饭！Ropedia放出人类经验，机器人「教科书」来了
当LeCun和李飞飞各自拿下10亿美元押注世界模型时，一个更底层的问题浮出水面：谁来为Physical AI提供真正能用的数据？Ropedia给出的答案，不是更多视频，而是一部结构化的、来自真实世界的「经验百科全书」。
从 SQL 到 OSI：当“数据是什么意思”也有了标准答案
本文回顾 SQL 统一世界的历史，引出 OSI 标准。OSI 解决“数据是什么意思”的标准化问题，众多全球数据技术公司参与。还介绍各厂商语义层布局，分析对中国企业的影响及 OSI 未解决的问题。