「AI评估」共找到 10112 篇相关文章
给视频模型建一座「全能训练场」：300项任务、可验证奖励，VBVR-Pro系统探索视觉推理
针对原生视觉推理缺少完整训练评估基础设施的现状，NTU等多校联合推出VBVR-Pro系统，构建了从任务构建、模型训练、能力评测到强化学习优化的完整闭环，论文、数据、代码均已公开。
突发！反噬来了，英伟达限制使用 Anthropic 模型
本文爆料突发AI行业事件：Anthropic发布新模型后推出强制数据留存政策，推翻此前和企业签订的零数据保留协议，引发数据安全担忧，英伟达等三家巨头率先限制使用其模型。
从李飞飞到朱军，世界模型为什么都开始走向机器人｜甲子光年
本文报道近期多位AI领军者均将世界模型研究转向机器人领域，梳理了朱军团队通用世界模型的五级技术路线，解析世界模型从生成世界走向真实行动的核心逻辑与行业趋势。
MinerU又开源了！这次专治OCR跨页失忆症
文档解析领域，MinerU团队开源了专门给OCR结果做“后处理”的4B小模型MinerU - Popo。它能把碎成一页一页的OCR结果重新拼成文档级结构，解决了当前OCR跨页逻辑断裂问题，且效果和成本优势突出。
坚决不用行业标准AGENTS.md，Claude Code惹来“封杀令”：Anthropic终于回应了，但开发者更气了
当所有AI编程工具向行业标准靠拢时，Anthropic的Claude Code拒绝支持AGENTS.md格式，引发Shopify CEO公开威胁。开发者多次要求其支持该格式无果，Anthropic回应未让开发者满意，引发争议升级。
又一家首店落地东城！机器人咖啡师，24小时不打烊→
近日，京东旗下七鲜咖啡首家24小时智能无人咖啡店落地北京银河SOHO。饮品全流程由机器人执行，单杯制作超不过30秒，还能并行制作多杯。它兼顾标准出品与个性体验，也切中现代城市生活痛点。
开源模型两个月内杀死比赛
过去60天，Vercel AI Gateway调用数据显示，开源模型Token调用份额从28%涨至62%，反超闭源模型。英伟达60亿美元入局扶持，闭源虽推新降价仍失领先，开源走向大规模应用。
夜光影像里的"暗船"：双分支 YOLO11 如何用抓非法捕捞
非法捕捞的暗船常关掉 AIS 隐身，难被传统手段监控。论文提出双分支 YOLO11，通过夜光遥感数据精准检测，还设计预处理流程，在测试集表现优，规模化应用也得到暗船率等成果。
基于阿里云 AgentLoop 的 DeepSeek Harness 评测实践
本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。
一篇Self-Evolving Coding Agents最新综述
当今编码智能体部署后大多静止，自进化编码智能体应运而生，可让Agent通过交互更新自身。文章介绍了其概念、分类，探讨组件进化机制、时机及评估方法，也提及带来的新挑战。