「基准榜单」共找到 1481 篇相关文章
社区供稿 | GLM-4.5技术博客：原生融合推理、编码和智能体能力
文章介绍 GLM-4.5 和 GLM-4.5-Air，二者旨在统一推理、编码和智能体能力。在 12 个基准测试中表现良好，采用 MoE 架构等技术，还开源 slime 框架。文中展示其多方面应用，并说明使用方式。
倒计时三周！2026 世界人工智能大会将于 7 月 17 日至 20 日在上海举行
6月17日，2026世界人工智能大会倒计时30天发布会举行，公布主题、生态矩阵等。大会7月17 - 20日在上海举办，设六大板块，有诸多活动和展示，还发布SAIL奖TOP30榜单，公布WAIC City Walk等信息。
全网都在扒的小米MiMo团队，几乎被“北大学子”承包了
小米MiMo-V2-Pro模型登上OpenRouter调用量榜单第一后，网友关注其团队。该团队成立一两年冲到顶尖，核心作者多来自北大，技术理念受小米产品基因驱动，成功是多重因素叠加结果。
你们催更的模型，云栖大会一口气全发了！
云栖大会上新6款模型、发布1个全新品牌，覆盖多场景。如Qwen MAX万亿参数大模型能力登顶国际榜单，Qwen3 - Omni实现全模态不降智等，各模型能力升级显著，现已同步上线。
SFT在帮倒忙？新研究：直接进行强化学习，模型多模态推理上限更高
学界常用「监督微调（SFT）+ 强化学习（RL）」训练大模型。但新研究发现，SFT 会引发「伪推理路径」，阻碍推理进步。相比之下，直接进行 RL 训练，模型多模态推理上限更高，该团队训练的模型还刷新了纪录。
挤干大模型高分「水分」！最强模型仅49分，南大傅朝友发布Video-MME-v2
南京大学傅朝友团队在 Google Gemini 评测团队邀约下推出视频理解新基准 Video-MME-v2。它有创新的分层能力体系与组级非线性评分，揭示模型与人类的巨大鸿沟、传统 Acc 指标虚高、“Thinking”并非总是增益等现象。
奥数金牌只是序章！OpenAI谷歌彻底打脸预言家，AI巨浪势不可挡
2022年专家预言AI到2025年赢得IMO金牌概率低，结果OpenAI和谷歌DeepMind的LLM提前摘金。此前多项AI基准测试预测也失准，AI发展远超预期。GPT - 5降低使用门槛，群体智能时代到来，各机构需重新思考生存之道。
老黄自曝刚报废50亿美元显卡！亲自审查4.2万名员工薪酬，100%都加薪
黄仁勋在采访中透露报废50亿美元显卡，坚持先下单先得分配H100芯片。他亲自审查员工薪酬，称100%会加薪。认为AI是伟大“技术均衡器”，天价AI合同合理，还谈及芯片保值、中美AI竞赛等话题。
OpenAI最强对手出现！马斯克发布Grok-4，性能碾压Claude 4两倍！
半小时前马斯克发布Grok - 4，虽Grok3.5跳票、直播迟到被吐槽，但它训练量和算力投入大。在多项基准测试中碾压Claude Opus 4，还具备原生工具调用等能力，xAI目标是让其更快更智能。
对标GPT-4o和香蕉！浙大开源ContextGen：布局身份协同新SOTA
浙江大学ReLER团队开源ContextGen框架，攻克多实例图像生成中布局与身份协同控制难题。基于Diffusion Transformer架构，用双重注意力机制实现布局精准锚定与身份高保真隔离，在基准测试中超越开源SOTA模型，对标GPT - 4o等闭源系统。