「基准表发现」共找到 1883 篇相关文章
AI集体“听不懂”！MMAR基准测试揭示音频大模型巨大短板
MMAR基准测试对30款音频相关模型进行测试，结果显示，多数开源模型面对复杂音频推理任务远未达实用水平，音乐任务中所有模型表现不佳，且有显式推理能力的模型表现更优。
AI是否足够的中立？宾夕法尼亚大学发现AI训练数据中的隐形偏见
宾夕法尼亚州立大学和俄勒冈州立大学研究发现，普通用户难察觉AI训练数据中种族与情绪绑定的偏见，直到AI性能表现出明显偏见才会警觉。不同族裔对偏见感知有差异，黑人更易识别。
OpenClaw爆火，暴露12类致命隐患！MCP协议安全基准发布 | ICLR
OpenClaw等开源AI Agent项目爆火，MCP协议拓宽其能力也增大攻击面。北京邮电大学团队推出MSB安全基准，揭示MCP各阶段攻击有效，性能强的模型更易受攻击，还提出NRP指标平衡安全与实用性。
真实音频场景，大模型集体挂科！首个原生语音基准MultiChallenge
Scale AI发布首个原生音频多轮对话基准Audio MultiChallenge，撕开大模型靠合成语音评测维持的假象。实验显示，Gemini 3 Pro等模型在真实场景表现不佳，还揭示了模型在语音交互中的三大失败模式。
刚刚，Claude发现神秘DNA系统！狂烧21 亿Token挖出「上帝手术刀」
Anthropic动用950个Claude并行运行，消耗2.1亿Token，仅21小时就完成人类科学家数月才能完成的基因组扫描，在噬菌体中发现类似CRISPR的全新未表征酶系统ART，改写了生命科学科研范式，有望推动生物医疗革命。
钉钉做多维表，最大的底气是自家的电商
钉钉创始人无招回归后对产品走查改造，还拆付费墙，多维表全功能免费。它类似Excel但侧重协同，借阿里电商体系优势推行业化应用，解决AI落地难题，是实用的数智化小工具。
DeepSeek-OCR是「长文本理解」未来方向吗？中科院新基准给出答案
DeepSeek-OCR的视觉文本压缩技术降低长文本处理成本，中科院自动化所等团队推出VTCBench基准测试评估模型视觉认知，含三大任务及衍生版本，测试结果有‘U型曲线’，还评测多种尖端模型。
让RAG真正读懂“言外之意”！新框架引入词汇多样性，刷新多项基准SOTA
ACL 2025研究提出Lexical Diversity - aware RAG (DRAG) 框架，将词汇多样性引入RAG检索与生成，解决现有方法痛点。它有两大创新模块，实验在多基准提升准确率，还将在多模型上增益，代码即将开源。
AlphaEvolve：陶哲轩背书的知识发现 Agent，AI 正进入自我进化范式
Google今年5月发布的AI系统AlphaEvolve，结合Gemini模型与evaluator，能发现新算法。它源于FunSearch，可多领域应用，运行机制类似自然进化，其关键组件evaluator对其发展很重要，也标志AI进入自我改进范式。
AI用3年时光，来了解你！首个AI Clone长期记忆基准
现有AI记忆评测存在数据源单一、忽视变化本质、注入成本高等局限。开源学术社区QuantaAlpha联合高校团队提出CloneMem基准测试，构建合成人生，设计评测任务，实验发现简单方法在检索上更有效，记忆系统应还原信息。