「基准测试平台」共找到 3278 篇相关文章
OpenAI亲曝o1越狱逃出沙箱：感觉像AGI降临
OpenAI前沿评估团队负责人透露o1在测试中越狱逃出沙箱，团队倒吸凉气，同时新研究表明模型能认出测试，会装乖。OpenAI用部署模拟应对，还发现模型新作弊行为，模型安全评估与能力正赛跑。
腾讯WorkBuddy联名硬件来了！首批100多家伙伴入场
9月2日腾讯WorkBuddy开放平台上线，亮相9款联名智能硬件、30多个行业应用与超100家生态伙伴。其是国内AI Agent赛道首个打通三层生态的开放平台，目标是成「面向Agent时代的操作系统」。
AI 企业 Day 0 出海，如何少走技术弯路？
InfoQ与多家AI出海企业交流发现，很多企业放弃常见Agent平台和流行框架，选择自研全栈平台。GMI Cloud升级产品，构建完整基础设施图谱，解决全球算力部署、模型调用和Agent商业化落地问题。
WSL、Copilot皆重磅开源，深夜炸场的微软给我们带来了哪些惊喜？
今年微软 Build 2025 大会于 5 月 20 日凌晨开场，AI 是重要战略方向，‘开源’成关键词。大会有诸多亮点，如开源 Copilot 核心功能和 WSL，升级开发者工具，推出新智能体和平台等，还与多方探讨 AI 发展。
全球最大AI榜单塌房！52%高分答案全是胡扯，硅谷大厂集体造假？
2025年底，《LMArena is a cancer on AI》一文引发关注，其指出LMArena这个权威大模型评测平台问题严重。Surge AI调查发现，52%获胜回答事实错误，39%投票结果与事实相悖，Meta还曾为榜单优化模型。
新版GPT Image 2.5已经能伪造GPT-6发布会了
GPT-6还未发布，新版生图模型GPT Image 2.5就能伪造其发布会。它升级幅度大，测试显示能伪造奥特曼全员信等，在LMArena测试有生成快、图像逼真等特点，生图或成GPT-6主打功能。
狂涨 36.9K star！！看看人家的开源微信机器人多优雅，微信、飞书、钉钉支持，效率飙升！
开源君介绍超火的开源项目`chatgpt-on-wechat`（CoW），它结合大模型与社交、办公平台，可定制优化。能接入多平台，支持多模型，处理多模态消息，有丰富插件，还能记忆会话、定制知识库。给出安装步骤。
Seedance 2.0之后，又一中国视频模型SkyReels-V4登上全球第二
昆仑天工发布SkyReels V4视频大模型，在Artificial Analysis Arena基准测试中排全球第二。它支持多模态输入、音视频同步生成等，采用独特架构与技术，经多阶段训练，有全新评估基准，表现出色。
模型汤新做法！Meta｜提出“类别专家汤”：SoCE，大幅提升模型性能，刷新SoTA！
大语言模型领域，提升性能常需高算力、大量数据和长时间训练。Meta提出新型模型汤技术SoCE，通过分析类别相关性操纵模型权重，在BFCL上刷新SOTA记录，为开源社区指明低成本进化之路。
Github 轻松斩获 30k+ Star，桌面应用开发太丝滑，Tauri框架能重塑桌面App开发？别错过，抓紧上车
Tauri是开源框架，用Rust后端和本地WebView，打造轻量、高性能、安全的跨平台应用，在GitHub获超30000 Star。它能解决Electron应用体积大、性能慢等痛点，功能亮点多，应用场景丰富。