「测试套件规模」共找到 2140 篇相关文章
Embodied Arena：业界首个统一具身大脑评测平台重磅发布，30+模型全面对比揭示关键洞察
具身智能火热，研究者常感茫然。Embodied Arena评测平台上线，它全面统一且持续演进，涵盖22+基准测试和30+模型，构建评估体系，揭示关键洞察，为具身模型发展指引方向。
1GW算力中心耗资600亿美元？黄仁勋G20现场布道“AI经济学”
美国当地时间9月2日，英伟达CEO黄仁勋在G20创新部长级会议阐述‘算力经济学’。他称建1GW规模AI基建约需500 - 600亿美元，算力成国家级核心生产资料，全球到2030年AI基建或达100GW。
实锤！GPT-5.5「降智」被抓，OpenAI官方文档认了
近期，网友发现GPT - 5.5使用一两个小时后突然变傻、质量下降，开发者经测试实锤系统会静默切换模型。Plus和Pro用户均受影响，此前GPT各版本升级也常引发“降智争议”。
推进科研和工程，编程跻身顶级人类竞赛榜：谷歌Gemini 3 Deep Think重大升级
谷歌发布Gemini 3 Deep Think重大更新，剑指科研和工程。它在编程算法竞赛等多项测试中成绩亮眼，能模拟人类科学家深度思考，处理复杂问题，还可重塑工程设计流程，已向部分用户和企业开放。
马斯克「脑机第一人」首爆！不开颅在线升级，永生代码已写入
Neuralink首位人类受试者Noland Arbaugh自曝大脑芯片更新方式和特斯拉类似，可在线升级。如今奥特曼入局，其参与创立的Merge Labs获2.52亿美金种子轮融资，要做更大规模脑机接口。
国产王炸！上海AI Lab开源Lumina-DiMOO，开创多模态理解与生成新范式
上海人工智能实验室等多机构推出多模态生成与理解统一模型Lumina - DiMOO，采用全离散扩散架构。它解决传统多模态架构问题，有全离散扩散建模等四大创新，性能在多基准测试中领先，应用前景广。
突发！Jason wei也被小扎挖走了
Jason wei是OpenAI研究科学家，是思维链、强化学习研究重要推动者，2023年2月加入OpenAI，此前在谷歌大脑工作。他和HYUNG Won Chung一同被小扎挖走，二人是o系列模型及测试时间计算重要推动者。
PDF难点解析：处理复杂表格、水印、印章、复选框、信息抽取等7项任务，6大能力
文章介绍Nanonets - OCR - s可处理关键信息提取、视觉问答等7项任务，具备LaTeX方程识别、图像描述等6项能力，还给出体验链接。但测试发现英文体验优于中文，模型有重复输出、幻觉严重问题。
从扭秧歌到跑半马：机器人离「iPhone时刻」还有多远？
过去半年，机器人表演把人们认知拉进现实。当下具身智能赛道玩家关注缩短探索周期、降低成本。地瓜机器人发布 RDK S100 套件，其有独特设计和适配场景，还围绕开发者诉求提供支持，跑通多种场景。
退钱！Claude 4.8连夜大降智，GPT-5.6算力遭「腰斩」
最近AI社区遭遇集体降智潮，OpenAI疑似暗中开启GPT - 5.6灰度测试，克扣用户思考预算；Anthropic的Claude Opus 4.8被曝断崖式降智，性能不如旧版。或因SpaceX上市抽干流动性，巨头降本增效。