「评估问题」共找到 3739 篇相关文章
利用大模型检测钓鱼邮件:方法，效果及数据集
随着企业安全防范增强，钓鱼邮件成重要攻击手段，大模型检测方法盛行。日本论文详细披露检测方法和实验数据，含解析解码、简化邮件、生成prompt、调用LLM四步，还介绍数据集及评估了四个模型效果。
大模型能“原地”改参数了！字节Seed&北大新论文：测试时推理无需加层重训练
字节Seed和北大研究团队提出In - Place TTT方案，让大模型能“原地改参数”。它复用Transformer的MLP模块，解决现有TTT架构不兼容、计算效率低和优化目标不匹配问题，实验证明可提升模型长文本任务表现。
o3绞尽脑汁仅答对40%的题目，开源模型基本乱猜？MMSI-Bench：多图空间智能试金石
文章介绍了MMSI - Bench，这是用于评估MLLM多图像空间推理能力的VQA基准。它人工构建样本、全面分类任务、采用多样真实数据。实验显示MLLM在多图像空间推理有短板，还开发自动化错误分析流程助力改进。
95%的人不知道什么是AGI，也不知道他们将很快失业
哈佛教授抛出AI致大量岗位消失国家该如何应对的问题。Anthropic CEO称AI或在1 - 5年内消灭一半入门级白领工作。关于AI与劳动力市场讨论升温，网友也各抒应对之策，而多数人对AGI威胁浑然不觉。
诺奖得主刚走，Gemini两大核心叛逃Anthropic！
谷歌人才流失严重，一周内五名顶级研究员出走，Gemini两大核心将入职Anthropic。同时，Gemini 3.5 Pro延期至7月。Alphabet股价下跌，市值蒸发超2000亿美元。原因或是上市期权诱惑和算力分配问题。
市值超150亿元！深圳冲出一个芯片IPO
2026年5月27日，深圳云英谷科技在港交所主板挂牌上市，发行价每股20.81港元，开盘报25.48港元，截至发稿涨幅扩至75.59%，市值156.31亿港元。其虽为行业龙头，但有持续亏损、毛利率低等问题。
写顶会LaTeX论文的门槛彻底被谷歌PaperOrchestra打下来了~
谷歌推出多智能体协作框架PaperOrchestra，能将非结构化研究素材转化为符合顶会要求的LaTeX投稿论文。它解决了现有自动化研究框架在论文写作环节的问题，实验显示全面超越现有基线。
GEAClaw 来了：企业级“OpenClaw”，一只有商业头脑的龙虾
文章指出当前大语言模型解决问题多为收敛式，与商业问题需先发散再收敛的方式相悖。特赞发布企业级智能体系统GEA，其架构四层分工明确，能在市场洞察、社媒增长等场景发挥作用。
告别「盲目自信」，CCD：扩散语言模型推理新SOTA
华为小艺香港团队等研究人员提出上下文一致性解码算法（CCD）。它解决传统DLM推理“短视”和采样预算固化问题，在开源DLMs上实现3.48倍加速和3.9%性能提升，适配多种解码设定。
美团LongCat扎扎实实做了件难事：LLM数学新天花板AMO-Bench
美团LongCat团队联合高校推出AMO - Bench，用50道原创奥赛级难题评估LLM数学能力。它解决现有基准测试痛点，经四重把关构建，测试显示顶级模型表现不佳，也揭示模型提升空间大。