「多选题评测」共找到 4552 篇相关文章
用多模态LLM超越YOLOv3！强化学习突破多模态感知极限｜开源
华中科技大学、北京邮电大学等多所高校研究团队共同推出纯多模态开源LLM——Perception-R1，该模型用强化学习优化视觉感知，目前论文和代码均已开源，其在视觉任务上表现出色，为后续研究提供强大baseline。
Karpathy Vibe Coding整新活：Agent版「GitHub」问世
最近，Karpathy 玩 Vibe Coding 上瘾，上周末开源项目让 AI Agent 自主实验，10 多小时前又开源「agenthub」，这是 Agent - first 协作平台，可理解为极简版 GitHub，还能用于构建自治学术体系。
终于找到一个开源神器！用画布喂给 Claude Code，上下文再也不用打字说了！
开发者用文字向 AI 说明需求繁琐，思路易跑偏。BonsAI 是 macOS 原生应用，提供无限画布，可让 Agent 实时读取改写。它亮点多，还有连接器功能，能成编程工具‘前置处理器’。
2026 年初科技产品岗位市场全景：数据告诉我们的真相【译】
裁员新闻铺天盖地，AI 要抢走饭碗的焦虑四处蔓延，但数据显示科技行业招聘呈现诸多积极信号，如 PM 开放职位达三年多来最高，AI 相关岗位爆发式增长等。
让模型“看视频写网页”，GPT-5仅得36.35分！上海AI Lab联合发布首个video2code基准
上海人工智能实验室等机构提出IWR - Bench评测基准，从“image - to - code”迈向“video - to - code”，对28个主流模型测试，最佳模型GPT - 5仅36.35分，指出当前模型短板，为研究指明方向。
同时监督和强化的单阶段大模型微调，告别“先背书再刷题”，推理泛化双提升｜中科院&美团等
中国科学院自动化研究所联合美团提出单阶段监督 - 强化微调方法 SRFT，结合监督微调与强化微调，解决传统两阶段方法的不足，在多任务中提升推理和泛化能力。
GPT-4o-Image仅完成28.9%任务！上海AI实验室等发布图像编辑新基准，360道人类专家严选难题
上海人工智能实验室等团队针对图像编辑AI提出问题，推出RISE任务及配套评测基准RISEBench。测试九个视觉编辑模型，结果显示当前模型完成复杂指令能力欠缺，闭源与开源差距大。
Claude一天3崩！API、App、Cowork全挂，打工人集体抓瞎
8月24日Claude一天崩三次，Anthropic状态页三次变红又宣布恢复，但用户仍打不开。故障从中午持续到下午，波及多个产品。8月故障频发，还存在算力枯竭、模型变笨等问题。
Sora 为什么输给 Codex？
本文探讨Sora输给Codex的原因。奥特曼称因Sora太吃compute，Codex优先级更高。Sora算力连续独占，成本难摊薄；Codex算力碎片可复用，能交错服务多任务，资源回报曲线更好。
狂揽16.1k星！清华开源交互式AI课堂，学霸打造的最懂学习的AI工具
清华开源的OpenMAIC是多智能体互动课堂平台，能将文档转化为互动学习场景，自动生成课件等内容，有五种交互式界面、AI教师指导，可在任何设备使用，对教育场景很有价值。