「评测体系」共找到 1162 篇相关文章
担心蒸馏问题，Meta限用Claude Code、Codex
据外媒报道，Meta限制员工在AI模型构建中用Claude Code和Codex，因担心涉及模型蒸馏，且随着AI使用成本上升，Meta想让更多开发工作迁至MetaCode，这揭开了AI Coding时代新问题。
华为携手中科大发布灵境造物，openJiuwen首发Coordination Engineering全栈支撑
4月25日，中国科学技术大学发布“灵境造物”智能科研云平台，面向全球开放。华为支持的openJiuwen社区与MindSpore社区提供Coordination Engineering技术体系，让AI从“单兵作战”升级为“科研精锐团队”，适配科研全流程需求。
懂方言，通诗词，精通30国语言，阿里发布语音识别大模型Fun-ASR1.5
阿里发布语音识别大模型Fun - ASR1.5，可精准识别30种语言，覆盖中文七大方言体系及二十余种地方口音，强化古诗词诵读专项识别，后处理环节优化标点预测和文本归一化，降低人工成本。
深圳SEO&GEO大会：搜索没死，只是竞争规则变了！
深圳SEO&GEO大会探讨搜索新形势，多位嘉宾分享见解。如Zac老师认为AI增长不代表搜索失价值，SEO应随搜索逻辑升级；Paul老师提出大品牌应将SEO目标转向争答案席位等。
当AI进入物理世界：西门子科技大会要回答一个关键问题 | 甲子光年
2026年3月23 - 24日西门子将在北京举办科技大会，将系统呈现AI进入现实工业系统后的技术结构，探讨AI融入生产体系问题。大会还将举行多场活动，众多企业领袖将参与对谈。
谷歌研究院探索多智能体协调的扩展原则
谷歌研究院对180种智能体配置对照评估，得出‘AI智能体系统首批定量扩展原则’。发现多智能体协同效果因任务而异，还指出工具使用瓶颈等问题，且开发预测模型辅助架构选择。
给GUI Agent装上「世界模型」：阿里通义用混合数据+统一思维链，让模型学会预判屏幕变化
伴随多模态大模型发展，GUI Agent成人机交互新范式，但构建高可用、跨平台的GUI Agent面临诸多挑战。阿里通义实验室开源Mobile - Agent - v3.5框架及GUI - Owl - 1.5模型家族，解决了相关技术壁垒。
OpenAI 开发者的 Skill 经验：如何使用评估系统来优化 Skill
文章聚焦 OpenAI 开发者优化 Skill 的方法，指出迭代 AI 技能效果难测，可借助评估系统。介绍了用 Codex 评估的流程，包括明确标准、创建技能、手动触发找漏洞等，还提及不同阶段的评估重点和工具。
清华刘洋团队论文：揭示为何 70B 的医疗模型，反而不如 8B 会问诊丨ILCR 2026
在医疗AI领域，模型静态评测与临床问诊能力存在断层。清华刘洋团队提出DOCTOR - R1，将临床问诊建模为POMDP，用强化学习训练。实验验证了其有效性，对医疗AI发展有深远启示。
博士学位答辩PPT分享 | Scalable Operation-aware Aerodynamic Design
杨奥博博士毕业于香港科大，长期研究多学科优化方法在飞行器等设计中的应用。其博士论文提出可扩展的、基于任务感知的气动设计框架，贯通关键环节，形成一体化方法体系，有多项创新成果。