「AI基准测试」共找到 10907 篇相关文章
登顶多模态推理榜MMMU！UCSD新方法超越GPT-5、Gemini
加州大学圣地亚哥分校团队开发的DreamPRM-1.5在MMMU测评榜夺冠，超越GPT-5、Gemini 2.5 Pro Deep-Think。它细化加权粒度到样本，有Instance Table和Instance Net架构，采用双层优化与生成式奖励模型。
邱锡鹏老师团队发布VehicleWorld：让智能汽车真“智能”
邱锡鹏老师团队发布论文，构建高度仿真的智能座舱虚拟环境VehicleWorld，并提出基于状态的函数调用（SFC）方法。实验显示，SFC大幅提升任务执行准确率和效率，还构建了Vehicle Benchmark进行评估。
只因太信ChatGPT，60岁男子三个月后险进精神病院...
美国《内科医学年鉴》刊登真实病例，60岁男子听ChatGPT建议用溴化钠代替食盐养生，致溴中毒，身心失控。医生实验发现ChatGPT回复缺健康警告，今年已有12起因信ChatGPT住院案例。
LeCun出手，造出视频世界模型，挑战英伟达COSMOS
训练有效世界模型面临数据、任务难度、算力消耗和评估等难题。Meta研究者提出通用视频世界模型DINO - world，可预测未来帧，在多方面有优势，实验显示其性能显著，能降低对标注数据需求。
Meta开源Muse Glimmer，30B Agent小钢炮跑进你的电脑
Meta发布并以宽松协议开源Agent模型Muse Glimmer。它30B参数，能跑在Mac或PC上，多项Agent基准领先。可完成端到端任务、调用工具及多步推理，接受文本与图像交错输入，用途广泛。
我想给 OpenClaw 接上语音，结果有人先做了
作者一直想用语音对接 OpenClaw，却发现「光帆AI」团队已朝此方向发展。他们用 APP 跑通「耳机 + 服务」链路，后续将迁移到硬件。作者体验后觉得交互爽，还介绍了接入方法、安全模式等。
Karpathy：写了20年代码，现在像作弊
Karpathy曾造词“vibe coding”，一年后弃用。他开源autoresearch项目，让AI Agent自主跑实验，自己不写代码。他还展示家庭监控分析系统也由Agent完成。他提出“agentic engineering”，认为工具虽变，但深度技术专长更重要。
腾讯悄悄出了个插件版“Cursor”，还跟微信小程序打通了。
腾讯云发布代码助手CodeBuddy 3.0，它是插件而非IDE产品，可在多代码产品安装。其亮点是打通微信开发，能直出小程序。作者体验后用它半小时做出小程序，期待腾讯AI生态发展。
激流之下，何以为锚：与顶级投资人共寻穿越周期的答案｜甲子引力X
2026年一级市场变化明显，资金活跃、项目供给释放，六大未来产业升温，AI领域融资火热。8月20日，甲子光年将举办投资大会，发布报告、组织对话和圆桌讨论，还会揭晓投资榜，共寻科技投资新答案。
H100去哪儿了？
X 用户疑问引发关注，H100 供应下降成算力危机。超大规模云厂商和前沿实验室提前锁定产能，核心短缺在于内存与封装工艺。算力危机冲击 AI 生态，产业界有应对方法，但短缺问题短期内难解决。