「直播测评」共找到 306 篇相关文章
一个重要的发布被忽略！Decart发布实时“Sora”，直播/游戏业迎来新变革
Decart推出全球首个实时、无限长度的AI视频模型MirageLSD，基于独创的“实时流扩散”技术。其响应时间低于40毫秒，攻克了“错误累积”和实现实时响应两大难题，还计划拓展应用及升级功能。
斯坦福教授直播训练535B大模型，模型训练背后的「黑箱」正在被打开？
斯坦福教授Percy Liang宣布由Marin开放实验室启动训练Marin 535B - A23B模型，全程公开。过去大模型训练像“黑箱”，此次尝试让训练可观察、可讨论、可协作，引发网友关注。
一夜200万阅读，OpenAI神同步！这项测评框架让全球顶尖LLM全翻车
中国团队领衔全球24所高校机构发布评测LLMs for Science能力的论文，一夜阅读近200万，同一时间OpenAI也发文指出现有评测标准在AI for Science领域失灵。论文推出评测体系SDE，发现主流大模型在科学发现上短板明显。
直播预约 | “年鉴展·艺术与科技”主旨演讲&研讨会第二场将于12月14日举行
“年鉴展·艺术与科技”展览正在798艺术区举行，展至12月19日。12月14日16:00 - 18:00将举办第二期主旨演讲与研讨会，朱青生主持，费俊、刘超、张彬彬将探讨艺术与科技多方面问题。
四大顶尖模型对决！6000 字测评带你看Deepseek R1有多强
昨天 Deepseek-R1 0528 正式开源，作者让它与 Claude Opus 4、Sonnet 4、Gemini 2.5 Pro 在六个前端开发任务中对决。结果显示，Deepseek-R1 在多数测试表现出色，且价格优势明显。
马斯克急了，直播回应一切！xAI全新阵容首曝光，华人联创仅剩一人
马斯克召开全员大会回应xAI高层变动，官宣合并后全新阵容。他还介绍了xAI四大核心板块，强调其发展成果，提及编程变革，宣布X平台开源等，更规划在月球建AI工厂。
思维链推理是一种脆弱的‘海市蜃楼’，一旦超出训练分布，它便会消失。| 直播预约
思维链提示能提升LLM在多任务上的表现，让人感觉模型在深思熟虑。但研究从数据分布角度剖析，发现思维链推理是脆弱的‘海市蜃楼’，超出训练分布就会消失，强调实现通用推理能力挑战大。
直播预约 | 推理模型的“过思考”现象与高效推理，2.5h的深度分享
本期GenTalk学术分享邀请刘梓辰、齐朋辉等4位博士生，在2025年6月6日15:00 - 17:30带来“推理模型的‘过思考’现象与高效推理”报告，由夏鹤明主持，NICE学术等支持。将分析‘过思考’因素，总结高效推理思路。
AAAI 2026｜视频大语言模型到底可不可信？23款主流模型全面测评来了
合肥工业大学与清华大学团队推出视频大语言模型综合可信度评测基准 Trust-videoLLMs，对 23 款模型从五维度 30 项任务评测，揭示性能格局，指出模型现存问题，还开源评测框架等。
语言模型内部还藏着众多策略模型？自底向上强化学习重塑底层特征 | 直播预约
现有强化学习工作将语言模型作整体策略优化，研究提出以策略视角审视内部隐藏状态，分析层级和模块级策略，发现不同模型模式差异，还提出自底向上强化学习策略，为研究架起新桥梁。