「数据与评测基础设施」共找到 3249 篇相关文章
28岁Alexandr Wang，没走！小扎晒出合照
近日网传华裔天才Alexandr Wang被架空或离职，小扎晒合影辟谣。同时，小扎官宣成立「AI工程部门」，与MSL合作打造数据引擎。Meta开发的牛油果模型被指能力强，若效率数据属实，或为Meta带来利好。
奥特曼摊牌：别再比模型跑分了，苹果才是真宿敌
2025年模型发布密集，但方向一致在补短板，更像基础设施建设。2026年各玩家或集体解锁，真正换代要让AI成文明基础设施。奥特曼称OpenAI长期对手是苹果，还拉Jony Ive造秘密设备。
杭州跑出的AI独角兽，突围大模型的“第二战场” | 甲子光年
2025年AI行业有转变，算力堆叠对大语言模型性能提升放缓，空间智能成“第二战场”。谷歌、英伟达等巨头纷纷布局，群核科技作为杭州“变量”，发布业界首个3D室内空间大模型，构建数据飞轮，技术有望落地多领域。
英伟达早不靠GPU躺赢！黄仁勋终极预判：10亿程序员时代将至，AI智能彻底廉价
2026 年 GTC 大会后黄仁勋接受深度访谈，他指出 AI 核心竞争转向“AI 工厂”，扩展定律沿四条路径推进，未来大量数据是合成数据。他还预测程序员将达十亿级，强调人人学 AI，认为智能会商品化，人性高于技术。
吴恩达：AI 将最先杀死前端
AI 对程序员的影响引发热议，吴恩达在 Newsletter 中给出加速排序：前端 > 后端 > 基础设施 > 科研。他认为前端开发被加速最厉害，后端需更多人工引导，基础设施和科研领域 AI 作用有限。同时指出初级、缺乏协作和创造性的工作易被取代。
击败 GPT-5！理想汽车开源 RubricHub：大模型开放生成从此有了专业裁判
理想汽车基座模型团队联合高校发布RubricHub数据集，解决开放式任务评价难题。该数据集可将主观评价转化为量化标准，经其训练的Qwen3 - 14B小模型在医疗基准测试中超越GPT - 5。
OpenAI为龙虾紧急收购了一家23人公司
OpenAI前脚挖来龙虾之父，后脚收购专注AI安全与评测的初创公司Promptfoo。该公司开源评测框架流行，有30多万开发者用户。收购后将补齐OpenAI在‘龙虾安全’方面关键一环，且继续保持开源。
转译：AI 为啥这么爱用破折号？
文章探讨AI爱用破折号的原因，指出让模型不用破折号很难。分析了几种解释，如从训练数据学来、因“万金油”特性、受RLHF工作者方言影响等，认为训练数据混入大量纸质扫描书是最可能的原因。
代码Agent的苦涩教训！首次拆解上下文检索，直指自动化软件瓶颈
ContextBench首次从「过程」评测代码智能体，揭示当前模型多读少用、被关键词误导等深层问题。它基于真实问题修复任务，由专家标注「黄金上下文」，用多指标评估。研究显示，复杂架构未必效果好，模型重召回轻精确等。
为什么 Agent Memory需要 AML：看 AML “变量控制”的工程设计
传统 Agent 记忆评测有水分，近日放榜的 Agent Memory Leaderboard (AML) 通过严格控制变量构建盲测管线。文章从技术架构深拆其工程细节，还分析了首期榜单，指出其重构评估变量的价值。