「AI测试集」共找到 10975 篇相关文章
8个月晋升独角兽，欧洲版Cursor估值18亿美元
成立仅8个月的瑞典AI新星Lovable成独角兽，估值达18亿美元，拥有超230万免费活跃用户、18万付费订阅者。它用自然语言重塑编程，完成2亿美元A轮融资，付费用户首月留存率超ChatGPT。
全球最强开源「定理证明器」出世！十位华人核心，8B暴击671B DeepSeek
八大顶尖机构推出开源定理证明器Goedel - Prover - V2，有32B和8B两版本。它在多个基准测试击败671B的DeepSeek - Prover，采用创新技术，以少算力刷爆SOTA，十位华人是核心贡献者。
训练大模型玩《反恐精英》：自带外挂一枪爆头，堪比职业玩家
动视暴雪、斯坦福大学和英伟达等研究人员基于职业玩家游戏数据和Transformer架构，开发游戏大模型MLMOVE。在《反恐精英：全球攻势》测试中，它表现出色，性能超现有机器人，还具提前预判移动等创新。
哈工大发布动画多智能体，文本一键生成连贯动画
随着多模态模型兴起，AI生成叙事性视频成热点，但现有方法处理长视频有挑战。哈工大发布AniMaker框架，由多个智能体协作，实现文本到动画自动化转换，解决了视觉连贯和叙事一致等问题。
奥特曼：假如给我一千倍算力，我会这样做
奥特曼在最新访谈展望下一代模型，认为完美AI是有超人推理能力等的微型模型。理想AGI能自主发现新科学，使全球科学发现提速。他还回应算力假设，为企业指明投入资源方向。
3.6K Star！OpenCode 团队开源宝贝，模型价格、能力、规格一网打尽！
开发AI应用时，模型选择成难题，信息碎片化、不透明让人头疼。OpenCode团队开发的开源项目Models.dev，整合主流模型关键信息，可一站式查询、精确估算成本、对比能力，还提供公开API，社区驱动持续更新。
苹果新论文发出惊人一问：What do your logits know?
苹果AI研究团队提交论文《你的logits知道些什么？（答案可能会让你惊讶！）》，触及大模型底层逻辑及苹果看重的用户隐私与数据安全。研究通过实验揭示模型信息留存状态，指出存在隐私泄露隐患。
Meta被骂跑偏后摊牌！Alex Wang回应新团队目标：个人Agent全球化部署，Manus已在应用上开路
Meta超级人工智能实验室（MSL）负责人Alexandr Wang发声，称其任务是推动超级智能技术突破并做成产品推向数十亿用户，要把个人Agent全球化部署，还谈到与研究和产品平衡、Meta的AI思路等问题。
Mistral 3开源，一举超越DeepSeek与K2？
近期，Mistral AI开源Mistral 3，含三款小型稠密模型及Mistral Large 3。Benchmark对比中，它领先国内DeepSeek - 3.1、Kimi - K2。Mistral Large 3是强开源权重模型，Ministral 3适合边缘端，成本性能比低。
DeepEval：LLM 应用评测不再玄学，让大模型评测像写单元测试一样简单
在大模型应用开发中，科学、自动化评测 LLM 输出质量是难题，人工评测效率低。DeepEval 是 Confident AI 团队开源的 LLM 评测框架，能用极简代码让评测像写 pytest 一样自然，内置多种评测指标，支持批量评测等。