「跨平台评测」共找到 2120 篇相关文章
张鹏对谈王蓓、段江：AI 创业，别着急降本增效， 先有 Prosumer 再说
9月12日，极客公园张鹏与高瓴创投王蓓、Fotor AI段江、Google Cloud孙素梅对话，探讨AI创业新范式。指出要先找对用户“prosumer”，兼顾“模性”与“人性”，控制成本，打造综合护城河，还提及借力Google平台等要点。
EMNLP2025 | LLM多次回答一致就一定正确吗？非也
随着LLMs在高风险领域广泛应用，其输出的事实性错误引发安全质疑。中科院计算所和美团团队论文揭示自我一致错误，传统检测方法对此失效，提出跨模型探针法提升检测能力。
76%程序员依赖AI？代码安全挑战解析
GitHub报告显示76%程序员用AI编程，代码安全成挑战。腾讯等团队建A.S.E评测框架，有项目级代码生成等优势，能评估代码安全、质量与稳定性，未来将扩充功能，邀开发者参与。
研究表明：资深开发者在使用AI工具时，完成任务的时间比不使用时延长了19%。
研究通过随机对照试验，发现2025年初资深开源开发者使用AI工具完成任务时间比不使用时延长19%。当前衡量AI能力多依赖标准化评测，可能高估或低估其真实能力，研究旨在更准确评估。
5000次风暴，谷歌训出AI预言家！天气预报ChatGPT时刻？
谷歌DeepMind与谷歌研究团队推出交互式气象平台Weather Lab，共享人工智能天气模型。其新模型在热带气旋路径预测上刷新SOTA，是首个超越主流物理模型的AI预测模型，有望拯救数万生命。
全球医疗榜第一，中国AI杀疯了！医疗AI迈入Harness时代
火爆的Harness架构在医疗圈落地，智诊科技发布面向医疗健康行业的Agent OS平台WiseClaw 2.0。它以健康档案为核心，有三层流水线等设计，适用于多场景，且在模型、中层能力和上层治理有优势，还获融资加速发展。
刚刚，一口气连发3个王炸模型、亮出2026年AGI战略，昆仑万维夯爆了
27日下午，昆仑万维在2026中关村论坛发布全新AI游戏世界模型Matrix - Game 3.0、AI视频大模型SkyReels V4和AI音乐大模型Mureka V9，还公布2026 AGI战略，推动AI从全模态能力突破进入平台化构建阶段。
数学编码超越O3-high，英伟达版「DeepSeek R1二代」推理模型开源~
Nvidia开源OpenReasoning-Nemotron系列模型合集，采用Qwen2.5架构，基于500万条轨迹训练。评测输出长度最高64K token，多版本刷新SOTA。其‘heavy’模式有独特能力，32B版在数学与编程基准超越O3（High）。
Lady Gaga进军AI生物科技：用“活体皮肤”训练模型，筛选抗衰老成分
当地时间8月21日，美国歌手Lady Gaga公开参与创办的生物技术公司Outer Biosciences及核心平台Yuna，该司用机器学习等结合离体人体皮肤，从海量化合物中找新护肤成分，已融资约2300万美元。
大模型最后一层竟是推理累赘？绕开对齐税，奥数准确率暴涨 22.4%！
Qwen团队等最新研究打破传统认知，揭示‘对齐税’现象。提出置信解码策略，在多架构、评测集上表现出色，能绕过‘对齐税’，提升推理准确率，且工程开销低，为大模型发展提供新思路。