「AI基准测试」共找到 10935 篇相关文章
核心模型被曝蒸馏DeepSeek？前女友一纸控诉，曝出欧版OpenAI塌房真相！
曾被誉为「欧洲OpenAI」的Mistral AI陷入「抄袭」丑闻。前员工在分手小作文爆料其核心技术蒸馏DeepSeek，却误导外界为自主RL成果。此前也有博主发现二者特征相似。蒸馏本身没错，缺乏透明度才是关键问题。
SimpAgent (ICCV2025 Highlight)：上下⽂简化重塑GUI智能体，更少计算，更强性能
在多模态大模型加持下，纯视觉GUI智能体成通用操作智能体重要方向，但面临元素与历史上下文问题。哈工深和华为提出SimpAgent，从上下文简化建模入手，实现更快更强性能，工作被ICCV 2025录用。
Who’s Adam？最逆天的NeurIPS评审出炉了
这两天大家收到NeurIPS 2025评审结果，网上现逆天评审意见，把Adam优化器当成拼写错误。投稿量飙升致审稿质量难保证，AI评审成普遍现象，还推荐了写反驳意见的博客。
感知错误率降低30.5%：隐式感知损失让模型主动“睁大眼睛” | UIUC＆阿里通义
伊利诺伊大学香槟分校与阿里通义实验室推出多模态推理强化学习算法PAPO。它用隐式感知损失设计，解决感知与推理脱节问题，在多基准测试中表现优，但有KL_prcp Hacking现象。
空间智能率先落地国民APP！实测：时空决策很顺滑，直达千人N面出行体验
空间智能虽前沿，但在有场景和业务优势时能快速落地。高德地图2025版内测，其“小高老师”智能体按需提供出行和生活建议，AI导航有超视距感知能力，是迈向空间智能的国民APP。
深入体验 A2A SDK：一步步教你构建“服务化”的 Agent 系统
文章基于A2A最新Python - SDK，介绍将LangGraph的Agent通过A2A协议对外暴露并服务的方法，涵盖核心架构、概念、交互流程，以及A2A Server端、Client端实现和测试总结，还提及A2A优势。
OpenAI久违发了篇「正经」论文：线性布局实现高效张量计算
OpenAI 近日发布研究论文，提出用于高效张量映射的统一代数框架 Linear Layouts，解决了 Triton 等深度学习编译器中长期存在的难题。该框架是使用二元线性代数的张量布局通用代数形式，评估显示其优化版 Triton 性能有提升。
陶哲轩再爆：一个月三破18年未解难题！AlphaEvolve彻底改写数学研究规则
一项封尘18年的数学难题，在短短30天内被AlphaEvolve与人类联手三度突破，和差集指数θ从1.173050提升至1.173077，刷新加法组合学天花板，展示了AI与人类协作的新范式。
“最强编码模型”上线，Claude 核心工程师独家爆料：年底可全天候工作，DeepSeek不算前沿
Anthropic 开发者大会发布 Claude 4 ，含 Opus 4 和 Sonnet 4 型号，在基准测试表现出色。核心工程师预测年底软件工程智能体能力，谈 RL 及 DeepSeek，还提到模型自我意识、推理计算瓶颈等问题。
每天上线一个新系统，这款腾讯自用低代码有什么不同
腾讯自用低代码平台无极，平均每天上线1.2个新系统，用户覆盖1/3员工。它去模板化，从数据结构设计开始，数据推导UI，有灵活编辑器，支持渐进式开发，具备集成性和开放性，还有AI赋能。