「AI测试集」共找到 10975 篇相关文章
DeepSeek V3.1 把 R1 融了，一堆新活：<think>开关、动态搜索、新ToolCall ...
DeepSeek在Hugging Face悄悄发布V3.1版本，将对话和推理模型合并为混合推理模型。它有显式推理、内置搜索、简化工具调用等特性，Aider测试成绩佳且成本低，但也存在战术回避、幻觉率升高等问题。
OpenAI o3封王，4比0横扫马斯克Grok 4！全球大模型对抗赛完美收官
Kaggle AI国际象棋锦标赛中，OpenAI o3以4-0横扫Grok 4夺冠，这场比赛也被视为OpenAI与xAI的“代理人战争”。季军战里，Gemini 2.5 Pro击败o4 - mini获铜牌。大赛旨在检验大模型多方面能力。
刚刚，OpenAI通用智能体ChatGPT Agent正式登场
北京时间周五凌晨，OpenAI发布全新ChatGPT Agent，实现通用智能体能力关键升级。它能自动用多种工具规划，完成复杂任务，已向部分订阅用户开放。其整合多能力，配备工具，基准测试表现佳，但也有安全风险。
终于！世界模型进入“有声时代”：24FPS画面+48kHz立体声实时生成
过去两年视频生成模型不断提升画面参数，但传统模型生成的视频固定，用户无法干预。而世界模型可跟随操作实时渲染、动态生成世界。目前Noiz AI联合多机构发布实时可交互音视频世界模型HelixWorld 1.0，后续还将开源。
Thinking Machines新发现：Lora不是权宜之计，哪怕秩低到 1，也能匹敌全参数微调
Thinking Machines和John Schulman新研究刷新对LoRA的认知，实验显示正确使用时它能匹敌全量微调。团队系统研究训练集与参数关系，有层选择、学习率等关键发现，还给出实用建议，但LoRA在部分场景表现待验证。
凌晨，Qwen又更新了，3090就能跑，3B激活媲美GPT-4o
Qwen凌晨更新，Qwen3 - 30B - A3B有新版本Qwen3 - 30B - A3B - Instruct - 2507。仅激活3B参数，实力媲美谷歌Gemini 2.5 - Flash和OpenAI的GPT - 4o，在多项测试中提升显著，已在魔搭社区等平台开源。
亿级短视频数据突破具身智能Scaling Law！Being-H0提出VLA训练新范式
真机数据匮乏使具身智能VLA模型发展受限，现有真机数据与所需上亿级训练样本相差甚远。BeingBeyond团队提出创新性方案，利用人类视频手部数据构建数据集，训练出VLA模型Being - H0，经实验验证效果良好。
从亚太到欧美，阿里云瑶池数据库凭何成为中企出海的技术底气？
在中企出海迈向‘深水区’时，阿里云瑶池数据库成关注焦点。它涵盖多版块，能提供全链路生命周期服务。对话负责人薛菲可知，其满足出海数据库需求，在多场景表现出色，融入AI能力，获国际认证，为中企出海提供底气。
传言称：Llama 4 团队80%成员集体辞职！
有爆料称Meta的Llama 4团队约80%成员集体辞职，引发AI圈关注。但Meta员工澄清该消息不准确，且无权威媒体证实。不过Meta和Llama 4项目确实面临高层动荡、模型延期等问题，还分析了可能的深层原因。
硅谷今日最热具身模型！不用后训练，看一遍就学会
北美具身初创Skild AI发布全新机器人基础模型S1，主打上下文学习，能看示范视频完成复杂操作。在未见过任务上成功率达66%，远高于传统方法。其发展或让开发机器人技能像给ChatGPT写Prompt。