「基准测试成本」共找到 3371 篇相关文章
个人开发者时代崛起！22岁印度开发者搞的业余项目被马斯克Groq看上，如今用户破6万
22岁孟买开发者Zaid Mukaddam开发开源AI搜索引擎Scira，定位为“Perplexity替代品”。项目初期走红，后因流量激增成本上升，获Groq等公司支持。如今用户破6万，其成功激励更多开发者。
龙虾也能养龙虾！UCSD发布AIBuildAI智能体，MLE-Bench榜单第一
加州大学圣地亚哥分校团队推出AIBuildAI智能体，用户用自然语言描述任务，它就能自动完成AI模型开发。在OpenAI MLE - Bench测试中，其以63.1%获奖率居首，性能媲美人类专家。
攻克长文档与多模态挑战，Paper2Video实现学术视频的自动化生产
新加坡国立大学 Show Lab 团队主导研究，提出 Paper2Video 基准及评价指标，还推出 PaperTalker 多智体框架实现学术视频自动化生产，实验显示其在多方面表现佳，效果接近人工水平。
谷歌提出破局Self-Consistency计算瓶颈！LLM推理效率革命，推理加速不牺牲精度
Google Research等团队提出CISC，通过给推理路径赋予置信度权重，少量样本即可超越传统自洽性效果，平均减少40%计算成本，还提出WQD指标揭示模型自评估能力本质。
Agent Infra 实践复盘：Kimi 如何搭建 Agent 背后的 Database 服务
PingCAP 联合创始人黄东旭复盘 TiDB Cloud 为 Kimi Agent 提供服务的细节。指出 Agent infra 面向大众用户，要最小化 Agent 使用工具的摩擦，实现低成本。Kimi 与 TiDB 合作是范例，展现 Agent 基建的新趋势。
不想再折腾 ELK？上手体验,程序员自建监控新选择,前端埋点 + 后端日志 + 链路追踪，一套开源栈全包了
OpenObserve 是云原生开源观测平台，用一个服务搞定日志、指标等监控与可视化，能解决监控栈散、部署复杂、存储贵的问题，号称日志存储成本比 ES 降至约 1/140，功能亮点多。
OpenAI版抖音要来了！Sora 2加持，只能发AI生成视频
OpenAI正为视频生成模型Sora 2推独立社交应用，形态似TikTok，内容须AI生成，不可上传外部媒体。有独特身份验证功能，已内部测试获积极反馈，将与Meta、Google、TikTok竞争。
AI 如何讲好一个多人故事？首个支持多角色互动的3D场景叙事系统
首尔国立大学提出全新框架，能生成虚拟动态场景并支持多角色上下文动作生成。引入LLM拆解复杂任务，系统用事件驱动方式规划动作，还构建基准评估相关能力，有良好扩展性和实用性。
重磅！全都看过来，Anthropic官方发布万字Skill创建完全指南：保姆级终极攻略
Anthropic官方发布万字Claude技能创建指南，涵盖规划、设计、测试和分发等知识，介绍技能结构、设计原则，提供不同用例模式及故障排查方法，适用于开发者、高级用户和团队。
工程师狂喜！Qwen3-VL 检索双雄效率翻倍
通义大模型开源Qwen3-VL-Embedding和Qwen3-VL-Reranker，解决多模态检索难题。两模型多模态全兼容，双塔+单塔协同提速，实用主义拉满，集成成本低，实战表现超预期。