「逻辑评估」共找到 1081 篇相关文章
开源模型首超Opus4.6！智谱GLM-5.1登场，14小时后CUDA专家被冲了
智谱开源模型GLM - 5.1带来重大突破，14小时完成CUDA Kernel优化，加速比大幅提升。它解锁与顶尖闭源模型Claude Opus 4.6全面对齐，在多测试中表现优异，展现长程任务能力，改写行业叙事逻辑。
人大高瓴孙浩团队发表Nature子刊封面文章：基于并行符号枚举的物理定律发现
中国人民大学高瓴人工智能学院孙浩教授团队在《自然 - 计算科学》发表封面论文。提出PSE框架解决符号回归瓶颈，通过公共子树复用和GPU并行提升评估效率，实验表现优于现有方法，也指出了局限性与未来方向。
2026年半导体涨价已成常态，谁在狂欢？谁在承压？
2026年半导体行业进入AI驱动的超级周期，涨价常态化、供需失衡、竞争逻辑重构。AI服务器对芯片需求大，产能转移致供应缺口，成本推动价格上涨，全产业链受影响，终端厂商困境凸显，行业分化加剧。
比「小龙虾」更能打，中国AI视频大模型悄悄登顶全球第一
昆仑万维旗下 SkyReels-V4 Preview 版在权威评测平台超越 OpenAI、Google 等模型，登顶全球第一。它提升语义理解和逻辑能力，新增参考任务，还支持多语言短剧生成、视频编辑等，将在中关村论坛亮相。
ICLR-26腾讯混元：Agent是强大的，但用户是狂野的
现有LLM工具使用基准测试场景理想化，忽视真实用户行为复杂性。腾讯提出WildToolBench，基于真实用户行为构建测试集，对58个模型评估，发现模型准确率低，揭示LLM在真实场景下能力缺口，为模型优化指明方向。
字节开源版Seedance发布，超越Sora 2！
字节Alive团队发布开源版Seedance 2.0，在人类评估中超越Sora 2等。它通过统一架构、时空对齐技术和非对称训练策略，解决声画不同步和画质音质难两全问题，还建立数据流水线和测试基准。
Mini-sglang-01：从Client到Scheduler的消息流转之旅
文章围绕轻量化大模型推理系统mini - sglang，详细介绍消息从客户端经APIServer、Tokenizer到Scheduler的流转过程，分析核心组件功能、消息体系、正反向链路及优化策略，还预告后续分析调度和模型实现逻辑。
顶级程序员Andrej Karpathy发文表示已服软！
顶级程序员Andrej Karpathy发文称，从11月到12月其编程工作流剧变，从80%手动+20%AI辅助变为80%AI编程+20%人工修改。他记录用Claude Code编程观察，指出AI有新毛病但提升大，还给出使用技巧等。
马斯克狂砸16亿「买」他5年！揭秘特斯拉2号人物，那个睡工厂的狠人
特斯拉授予全球汽车业务高级副总裁朱晓彤超52万份股票期权，价值2.33亿美元，需坚守5年完成KPI。他出身非典型，从建设充电网络到拯救特斯拉上海工厂，后成全球二号人物，还将助力Optimus量产。
追觅CES亮剑：一台AI具身机器人的洗衣革命｜甲子光年
2026年CES上，追觅推出首款AI具身洗护机器人，可完成洗衣全流程。它整合多系统，展示新创新逻辑。具身智能分阶段发展，追觅结合制造与技术，欲降低用户洗护成本，但落地仍面临挑战。