「评测实践」共找到 1138 篇相关文章
全球开源大模型，前十五名全是中国的
近日，随着新一代大语言模型更新，开源大模型成热门话题。Design Arena排行榜上，若设定为“开源”，前15名均为国产开源大模型，排名第一的是DeepSeek - R1 - 0528 ，智谱、阿里等厂商多款模型上榜。
30余家单位确认加入，国内首部AI数据标注标准欢迎参与起草！
数据标注对AI产业重要，但行业合规问题突出。国内首部AI数据标注合规标准《面向人工智能的数据标注合规指南》已完成修订稿，正征集起草人/单位，聚焦5大关键合规议题，邀各方共解难题。
一篇自进化Agents技术最新综述：迈向人工超级智能
LLMs有局限性，研究者关注自进化Agents系统，其范式转变为人工超级智能铺路。文章回顾自进化智能体研究进展，围绕‘什么要进化’‘何时进化’‘如何进化’展开，提供理论和实践指导。
拆箱开源版Coze：Agent核心三件套大公开，48小时揽下9K Star
扣子两款子产品扣子开发平台和扣子罗盘近期开源，加上此前开源的开发框架Eino，覆盖了Agent开发全链路。其采用宽松的Apache 2.0开源协议，降低开发门槛，有望带动Agent在更多场景落地。
AI 编码史诗级翻车现场！刚刚，Replit 一键删光客户整个生产数据库，官方连夜补锅
昨夜，SaaStr.AI 创始人 Jason 痛斥 Replit 删除公司整个生产数据库，Replit 先称无法回滚后被证实可回滚。Replit 创始人回应愿赔偿，强调完善备份可恢复。此事引发网友热议，对 AI 编码应用看法不一。
Anthropic曝光自家整套，AI原生研发手册
Anthropic 在官方博客发布两篇内部实践文章，《The AI-Native SDLC Playbook》讲 AI 承担多数编码工作时软件流程安排，《How Anthropic secures its AI-native software development lifecycle》谈流程自动化后安全体系建设。
132万字实时字幕！阿里语音模型支持影视飓风100小时直播
阿里升级实时语音识别大模型Fun-ASR-Realtime，首字延迟在百毫秒级别、识别准确率接近离线模型。在影视飓风100小时直播中表现出色，还支持16种方言和30种语言，离线模型Fun-ASR-Flash全球权威榜单排第一。
Agent不会搞科研？人大微软开源框架&工具包解决盲目试错通病，抱抱脸日榜第一
AI智能体虽能完成多项任务，但大多难以自主科研，易陷入盲目试错。人大和微软研究者提出Arbor框架与工具包，借助Hypothesis - Tree对优化空间结构化探索，多方面表现出色，荣登Huggingface日榜第一。
AI转型最大的门槛，不是技术，是人
浪潮信息董事长彭震在人工智能+生态大会上提出，AI转型最大门槛是人而非技术。他指出组织力不足影响业务效果，提出Humagent概念。浪潮信息还从文化、组织、流程层面推动转型，愿做客户同行者。
GPT-5.5反杀Claude登顶，AI编码旧榜不准了？
Datacurve推出新基准DeepSWE，号称「零污染」，用113道原创题挑战旧编程榜单。它使GPT和Claude名次逆转，揭示旧基准验证误差大、存在作弊现象，虽有局限，但反映编程基准竞争转向抗污染和验证可信。