「AI基准测试」共找到 10997 篇相关文章
TRAE Work 上线 Design 模式：产品经理还需要 Figma 吗？
TRAE Work 上线 Design 模式，可将一句话描述变成可编辑设计稿，还能将设计稿转代码，在同一平台完成从需求到代码的链路。作者测试后发现其效率大幅提升，并分析了该模式与其他工具的区别及 AI 设计趋势。
百度智能云 DuMate 测评：办公 Agent 教我用 Claude Code，效果如何？
百度智能云桌面级AI智能体DuMate于今年3月22日全量上线。本文对其进行测评，设计围绕GitHub项目的复杂任务，测试它在研究、整理、文件生成和展示化输出的表现，探讨办公Agent从内容提供商到办公搭子的转变。
“参考生”之王回归：Vidu Q3持续进化，剧张力拉满｜甲子光年
近期，AI视频公司生数科技的Vidu Q3正式上线参考生视频并全面升级。它能解决视频内容创作痛点，让爆款人设等稳定复现。在榜单上表现出色，经测试在多场景降本增效，提升了视频“剧张力”。
宣战马斯克！OpenAI进军脑机接口，Altman圆8年前梦想
英国金融时报消息，OpenAI及其首席执行官Sam Altman将支持新脑机接口公司Merge Labs，与马斯克的Neuralink竞争。Merge Labs正融资，估值8.5亿美元，新资金主要由OpenAI风投提供。8年前Altman就提及人类与AI融合，如今他选择支持Merge Labs实现脑机接口梦想。
先进封装补完计划
2024年美国众议院点名批评美资对盛合晶微投资，后将先进封装列为投资禁区。盛合晶微由中芯国际和长电科技合资成立，攻克硅中介层难题。AI芯片变大使台积电产能紧张，盛合晶微为国产芯片提供新选择。
Google 悄悄升级了 Deep Think，ARC-AGI-2 直接干到 84.6%
Google DeepMind 升级了 Gemini 3 的专用推理模式 Deep Think，跑分屠榜。ARC - AGI - 2 拿下 84.6%，在多个基准测试中表现优异。它不仅是解题机器，还能解决真实科学工程问题，已向部分用户推送，科研人员和开发者可通过 API 使用。
GPT-5 终于发布：别慌、AGI 还没来，第一手的上手体验在这里
GPT-5 发布，距离 GPT-4 发布已过 2 年。它能力强、定价有竞争力，是首个「统一」AI 模型，幻觉率低、代码能力强。免费用户可默认使用，Plus 和 Pro 订阅用户有不同使用额度。开发者可使用三种模式，代码能力测试案例可参考相关网站。
LLM+RL遭严重质疑，随机/错误等虚假奖励也能提升至标准效果？
论文在AI领域观察到类似随机给糖或奖励错误答案让孩子成绩提升的现象，‘虚假奖励四大奇招’效果接近用标准答案训练，Qwen2.5 - Math - 7B模型在测试集上性能飙升，还揭示了Qwen特别的原因及随机奖励有效的推手。
出了两道真题考 GLM-5.2，Opus 4.8 和GPT 5.5 陪跑
作者对GLM - 5.2、Opus 4.8和GPT 5.5进行两项测试。一是审计Skill体系，GLM - 5.2覆盖skill数多、找出冲突多，还挖出bug；二是做世界杯夺冠推演器网站，Opus表现出色，GLM - 5.2省token，Codex有巧思但结构有缺陷。
Qwen3小升级即SOTA，开源大模型王座快变中国内部赛了
开源大模型进入中国时间，Kimi K2风头正盛时，Qwen3迎来升级，235B总参数量仅为Kimi K2四分之一，基准测试性能却超它。Qwen官方不再用混合思维模式，新模型仅支持非思考模式，此次是小更新，大招在后头。