「AI测试集」共找到 10975 篇相关文章
The Batch: 876 | Gemini 的环境影响测算
谷歌研究人员对驱动 Gemini AI 助手的模型进行一年研究，发现处理一个提示的环境影响小。其能耗、水耗和温室气体排放量远低于此前估算，2024 - 2025 年处理中位提示时能耗、排放大幅降低。
社区供稿 | 开源多模态大模型新突破，书生·万象3.5发布，通用能力、推理能力与部署效率全面升级
2025年8月26日上海AI实验室开源发布书生·万象InternVL3.5，通过创新技术实现推理、部署和通用能力全面升级。它有多种尺寸模型，多项性能领先，还加强了智能体核心能力，应用场景广泛。
首个故事可视化综合评估框架来了！80个故事单元53种类别，20种技术方案全面对比
随着AIGC技术进步，故事可视化引发关注。阶跃星辰携手上科大、西湖大学提出ViStoryBench可视化评估框架，通过构建多元化数据集、建立多维度评估指标，对超20种技术方案评测，为行业发展提供评估工具。
Gamma 创始人：小团队创业是共识，怎么做好才是最大的问题
AI创企Gamma 30人服务近5000万用户，ARR超5000万美元且持续盈利。创始人Grant Lee分享创业心得，包括小团队组织模式、重视通才、可持续业务理念、组织创新及应对PMF等问题的思路。
三个方法让Cursor构建网站更加精美：Browser MCP 克隆 + 提示技巧 + 组件修改！（Bolt、Lovable）
文章介绍用Browser MCP克隆网站结构、结构化Prompt模板及UI组件修改三种方法，让Cursor构建网站更精美，还分享Lovable设计技巧、让AI网站变好看的方法及早期公司获客策略。
我让10个大模型又参加了完整版数学高考，第一名居然是它。。。
作者让10个大模型参加完整版数学高考，单独制定规则，邀朋友协助测试。结果令人意外，单选题第6题成噩梦，多模态题大模型几乎全军覆没。讯飞星火和豆包145分并列第一，Qwen3屈居第三。
终于，无需邀请码，这款刷新GAIA榜单的Agent你立刻就能用！
今年AI圈新品爱用邀请码等三件套，作者对此不满。天工超级智能体（Skywork）不玩套路，在GAIA评测达SOTA级别。它优化办公三件套场景，使用方便，虽有不足但瑕不掩瑜。
微软正式开源UFO²，Windows桌面迈入「AgentOS 时代」
微软研究团队正式开源业内首个深度集成 Windows 操作系统的桌面智能体平台 UFO² AgentOS。它是 UFO 升级版，解决传统智能体问题，在多维度实现突破，经测试表现领先，代码和文档已开源。
做RAG这一年，最后悔的就是上知识图谱
基于知识图谱的检索增强生成在问答任务中存在三元组索引丢失上下文语义问题，作者提出MDER - DR双阶段框架，在标准测试和特定数据集上性能提升最高66%，还具备多方面优势。
比996更高效！夫妻合伙人不「下班」，狂赚$4700万
AI初创公司Serval的CEO Jake Stauch和COO Tatiana Birgisson这对夫妻创业成功获4700万美元融资。他们将工作与生活高度融合，工作高效且家庭温情，证明工作与生活深度整合模式的价值。