「系统评估」共找到 2286 篇相关文章
麻省理工 NANDA 研究发现，只有 5% 的组织把 AI 工具大规模用于生产
麻省理工 NANDA 报告指出，95%企业组织的 AI 投入无回报，仅 5%将 AI 工具规模化用于生产。原因是 AI 系统存数据、适应变化及持续学习能力不足，领导层对 AI 项目信心下降。
斯坦福临床医疗AI横评，DeepSeek把谷歌OpenAI都秒了
斯坦福最新大模型医疗任务评测，构建含35个基准测试的MedHELM综合评估框架。结果显示，DeepSeek R1以66%胜率领先，o3 - mini等模型也各有表现，还分析了成本效益。
史上首次！米兰冬奥基于阿里千问打造奥运官方大模型
2月5日，国际奥委会主席柯丝蒂·考文垂宣布基于阿里千问打造奥运史上首个官方大模型，已在赛务与公众服务双端落地。此外，自动媒体描述系统、AIGC技术等也有应用，阿里云多项技术助力米兰冬奥。
Vercel 开源 Bash 工具：基于本地文件系统的上下文检索
Vercel开源bash - tool，为AI智能体提供Bash执行引擎，让其通过shell命令在文件夹操作获取上下文，有三大核心操作，部署灵活，可节省token，贴合Unix工作流，或影响未来AI开发系统处理本地上下文方式。
AI招聘逆天研究：看照片预测一生职业成就
硅谷大厂HR标配的AI招聘系统Eightfold AI被指控算法歧视，求职者要求提高招聘筛选透明度。同时，美国多所高校研究者完成一项研究，AI能通过人脸照片预测职业走向，但因训练数据问题引发公平性争议。
超强开源OCR，手写体识别能力超dots.ocr，封存多年的老文档数字化有救了。
文章推荐新开源的OCR系统Chandra，它对手写体识别做了优化，官方测评数据显示比dots.ocr强。介绍其适用于多场景及功能特点，还展示了不同场景的识别效果，建议有需求者多对比测试。
刚刚，大模型棋王诞生！40轮血战，OpenAI o3豪夺第一，人类大师地位不保？
国际象棋积分赛成果出炉，OpenAI o3以人类等效Elo 1685分夺冠，Grok 4和Gemini 2.5 Pro紧随其后。Kaggle发布国际象棋文本排行榜，评估模型战略推理等能力，还推出相关数据集，虽有局限但意义重大。
利用大模型从开源情报中自动提取检测规则：LLMCloudHunter，有开源
随着网络攻击增加，威胁情报成主动安全关键。以色列本古里安大学发布LLMCloudHunter框架，用大模型从开源情报自动生成检测规则，评估显示其规则质量高，且大部分能编译成Splunk查询，软件已开源。
清华退休教授余志平谈国产EDA发展之路
余志平教授全程参与“熊猫集成电路CAD系统”研发，获国家科技进步一等奖。他带领团队成立公司深耕垂直领域，推动构建国产EDA生态链。他认为突围要把握“缝隙效应”，还强调用AI辅助科研，培养高素质人才。
瘦身不降智！大模型训推效率提升30%，京东大模型开发计算研究登Nature旗下期刊
京东探索研究院大模型研究登Nature旗下期刊。其提出系统与方法，经四大创新使大模型推理提效30%、训练成本降70%。成果支撑JoyBuild平台，可帮企业将通用模型转化为专业模型，加速商业化落地。