「科学评测」共找到 893 篇相关文章
李飞飞、Jim Fan和徐丹飞联合重磅论文：机器人灵巧手，可能走错了路
李飞飞等学者联合发表论文，分析当前触觉融合方案缺陷，提出 T - Rex 架构。它改变触觉输入方式，使用新编码方法和数据集，经三阶段训练，在 12 项任务评测中平均领先 30 个百分点，也指出了局限与未来方向。
“现在的AI就像1880年的笨重工厂！”微软CSO斯坦福泼冷水：别急着造神
微软首席科学官 Eric Horvitz 在斯坦福商学院演讲，称当下 AI 如 1880 年代刚用电的工厂，底层大模型与商业未契合。他指出模型概率校准不足、医疗 AI 难移植等问题，还谈及人类与 AI 协作及内容溯源等。
GLM-5登顶开源模型No.1！智力指数首破50大关，打平Opus 4.5
在Artificial Analysis评测中，GLM - 5成开源权重模型智力排名第一，是首个智力指数破50的开源模型，除代码能力外各方面表现出色。它集成DeepSeek稀疏注意力，参数规模大，擅长“搞钱”任务，幻觉率低且输出精简。
5万美元筛选「超级婴儿」, 智商提升15点？马斯克被曝是客户！
据《华盛顿邮报》披露，马斯克至少有一名子女用了胚胎多基因筛查服务。这项技术被包装成通往「超级婴儿」的门票，吸引富豪入场，但顶尖医学遗传学组织警告不应临床提供，一场资本、伦理与科学的豪赌已开局。
让GPT-4.1「头皮发麻的考试」！OpenAI给大模型上强度，AI能赢吗？
OpenAI 公布 MRCR 评测标准数据集，其针对 AI 模型上下文能力进行「奥运会」级别测评。MRCR 提升了测试难度，能揭示 AI 能力边界，推动模型发展，帮助更合理应用技术。GPT4.1 在一些测试中表现出色，未来 AI 能力上限充满可能。
正式版发布！DeepSeek-V4-Pro-0813
8月13日晚，DeepSeek-V4-Pro-0813正式版发布。此次升级将Agent维度提升至无短板的第一梯队，具备1M+384K长任务能力，接口双兼容，技术创新多。还公布评测对比、价格并发设定，给出实战代码案例与启示。
「10万小时人类数据」不搞对齐只靠规模，灵初智能Psi-R2登顶MolmoSpaces！
4月10日晚，灵初智能发布大模型、数据集与合作计划，包括策略模型Psi - R2、世界模型Psi - W0及近10万小时人类操作数据。其未走花哨对齐路线，靠系统协同，在MolmoSpaces评测中表现优异，体现自主研发路线先进性。
本周推荐的6个yyds的Github开源项目！
文章推荐6个GitHub开源项目。如Stretchly是休息提醒工具，助打工人养成科学节奏；Yaak是API客户端，主打离线隐私；ValueCell用于金融AI分析交易；nof1 - tracker可跟单交易；Zerox转换文档为Markdown；Open Notebook是Google Notebook LM平替。
AI能否「圣地巡礼」？多模态大模型全新评估基准VIR-Bench来了
来自日本高校和企业团队提出多模态大模型评估基准 VIR-Bench，用于评测 AI 对旅行视频中地理位置与时间顺序的理解。它将任务拆解，构建数据集，实验显示模型虽有改进但性能远未达标，指明了大模型进化方向。
Sam Altman自曝羡慕20岁辍学生，还直言美国难以复制微信这类“全能App”！
当地时间2025年开发者日，OpenAI推出系列开发者更新，向通用智能平台转型。会后，CEO Sam Altman接受专访，谈及新工具影响、AGI突破、智能体发展等，还表示羡慕20岁辍学生，认为美国难复制微信“全能App”模式。