「自动评测体系」共找到 1695 篇相关文章
字节跳动内部信：大幅调薪+职级洗牌；千问“干死豆包”图疯传，阿里回应；六小龙IPO战打响，MiniMax、智谱率先过聆讯｜Q资讯
本文汇总多则科技资讯。如字节跳动调薪并推行新职级体系；阿里回应千问‘干死豆包’图为AI生成；马斯克薪酬方案裁决恢复；OpenAI发布编程模型；小红书、腾讯等也有业务动态。
为防AI刷题，Nature等顶刊最新封面被做成数据集，考验模型科学推理能力|上海交通大学
上海交通大学王德泉教授课题组提出MAC基准，用顶级期刊最新封面构建测试集，评测多模态大模型能力。研究设计两种含“语义陷阱”的测试任务，发现顶尖模型有局限，还提出DAD方法提升表现，采用双重动态机制。
AI5芯片搞定，马斯克的纯自研超算Dojo 3又回来了
马斯克宣布AI5芯片设计进展顺利，特斯拉将重启Dojo 3工作。Dojo项目定位为面向机器学习训练的超算，此前曾暂停。如今Dojo 3将集成AI5或AI6芯片，有望助力特斯拉摆脱对英伟达依赖，自建算力体系。
Nanbeige4.2-3B：探索通用Agent小模型
在模型越做越大的当下，推理成本成了影响Agent大规模使用的关键因素。南北阁实验室推出Nanbeige4.2 - 3B，在架构、数据构造和训练pipeline层面做了系统工作，评测表现良好，还探索本地个人助手等应用。
你以为在点「红绿灯」验证身份，其实是在给AI免费打工
验证码发展多年，从最初文本形式到如今图像形式。用户点选验证码时，实际在为AI免费提供训练数据，如谷歌让全球网民免费转录资料、为自动驾驶AI打工。如今验证码攻防战激烈，未来或利用AI弱点创新。
32B 稠密模型推理能力超越 R1？中国秘密 AI 团队发布推理小模型 AM-Thinking-v1
2025年，国内神秘A - M - team在Hugging Face开源32B推理模型AM - Thinking - v1。它在多推理评测中击败DeepSeek - R1，与超大规模模型成绩相当。团队靠后训练方案挖掘32B模型潜力，探索小体量实现大能力路径。
制造企业如何实现 AI 产品经理“能力复制”？｜极客时间 AI 人才培养实践
在数智化转型中，企业 AI 培训常难以转化业务价值。极客时间为某制造企业定制 AI 产品经理 OMO 训练营，以业务场景为导向，采用三阶段闭环培养模式，课程覆盖全链路，助企业培养人才、建立培养体系。
支付宝 AI 出行助手高效研发指南：4 人团队的架构迁移与提效实战
本文介绍支付宝AI出行助手研发历程，其集成多种出行功能，基于xUI + KMP框架搭建。分享研发实践、挑战与策略，如迁移基础能力、卡片生态，适配标准框架，还提及KMP应用及数据度量体系，取得业务和研发效能成果。
“英伟达显卡就是一坨*”！博主6000字檄文怒批：烧接口、缺单元、驱动变砖还威胁媒体
博主Sebin发布近6000字檄文批判英伟达，指出其显卡有烧接口、缺单元、驱动变砖等质量问题，销售策略存在库存少、黄牛多、捆绑销售等问题，还试图操控媒体及评测机构。文章在Hacker News引发大量讨论。
李曼玲、李飞飞、吴佳俊等联手：评估具身大模型的新范式！
全新的具身模型空间能力评估范式Theory of Space突破传统局限，考察模型在动态环境构建、修正和利用空间信念的能力。该论文被ICLR 2026接收，研究对前沿多模态大模型评测，揭示其空间认知能力边界。