「AI测试集」共找到 10975 篇相关文章
面对无解问题大模型竟会崩溃？港中文&华为联合提出首个大模型推理可靠性评估基准
港中文和华为诺亚实验室联合提出ReliableMath基准，探究大模型推理可靠性。提出评估准则，构建含可解与不可解问题的ReliableMath数据集，实验揭示大模型缺陷，还提出提高可靠性的对齐策略。
如何将LLM的"思考习惯"迁移到视觉领域？
传统多模态模型处理复杂视觉推理能力不足，OVR团队以Qwen2.5 - VL - 7B为基础构建开源强化学习框架，成果模型OVR在12个基准测试刷新记录，揭示认知行为跨模态迁移三条黄金定律。
不止AlphaFold，「药界ChatGPT」横空出世！华人女投资人深度揭秘
AI初创Chai Discovery宣布分子设计模型Chai-2重构药物设计逻辑，将抗体设计成功率从0.1%提升到16%，实现零样本设计。其联创认为这是范式革命，未来药神或成提示词工程师。
马斯克Neuralink脑机接口新成果！看完头皮发麻
在Neuralink夏季更新报告会上，马斯克展示脑机接口N1最新成果，七名受试者分享其对生活的改变。Neuralink还公布未来三年计划，目标是2028年实现对大脑全面访问及脑机接口与AI整合。
ICML 2025 | 西湖大学吴泰霖研究员团队：组合生成式多物理场多元件PDE仿真
西湖大学吴泰霖课题组联合多方提出“组合生成式多物理场多元件PDE仿真（M2PDE）”，将仿真问题视为生成式概率建模任务。该成果在多任务测试中表现卓越，被ICML 2025接收。
超700人预约，昆明一门店免费安装！不少线下数码门店迎来大量用户，“小龙虾”火爆出圈！
一款名为OpenClaw的AI智能体因图标是红色卡通龙虾被称为“小龙虾”而火爆。昆明线下数码门店有用户咨询、预约安装，超700人预约。它能自动完成操作，但存在技术门槛和数据安全风险，国家相关部门已发布提示。
【展讯】不止观看：澳门当代摄影展｜三影堂北京
本次《不止观看：澳门当代摄影展》汇集孙彦等13位澳门艺术家的创作，他们突破传统影像边界，将澳门多元文化转化为视觉文本。展览作品探讨摄影与城市、文化、技术等关系，呈现从传统到AI的多元脉络。
蛰伏一年，周衔团队带来首个具身基础模型，烹饪做实验弹琴，效果炸场
Genesis AI公布首个机器人基础模型GENE - 26.5，能完成烹饪、解魔方等复杂任务。该模型是全栈系统，以仿真加速迭代，用自研手套采集数据，还重写控制栈。公司后续计划发布全身机器人。
不吹不黑，在Agent任务上，kimi 2.6确实让我忘了Claude。
Kimi K2.6发布并开源，代码和Agent能力提升。作者测试发现，它在部署Claude Code源码、网站生成、多智能体任务等方面表现出色，审美提升，思维活跃，还能复刻文档风格，开源释放了前沿编程能力。
RAG搜对了却答错？德国萨尔大学找到了真相丨ACL'26
RAG是大模型落地标配技术，但存在搜到文档却答错的痛点。德国萨尔大学等团队提出Disco - RAG框架，在‘搜’和‘答’间加入‘读懂’环节，已被ACL 2026主会录用，在多基准测试表现优异。