「评测环境」共找到 1070 篇相关文章
深度揭秘OpenAI如何让GPT-5「技术性」超越Claude：悄悄跳过最难的23道题
OpenAI发布会上称GPT-5代码能力全球第一，其在SWE-bench Verified基准获74.9%通过率，略高于Claude Opus 4.1的74.5%。但OpenAI未做23道难题，若计入，GPT-5实际通过率或低于Claude。
OpenAI杀疯了！内部神秘模型首次斩获信息学奥赛IOI 2025金牌，碾压98%人类选手
OpenAI研究员官宣其内部研发的AI推理系统在2025年国际信息学奥林匹克竞赛获金牌，超越98%人类选手。该系统在模拟人类环境下靠推理解题，用通用模型，一年间成绩大逆转，近期在多赛事表现出色。
别只盯着李飞飞！AI的「3D数据底座」已被这家中国公司悄悄建好
群核科技构建具身智能时代的「3D版ImageNet」，其SpatialVerse平台为机器人提供三维数据与仿真环境。借助新技术发布全球首个3D语义数据集InteriorGS，还与多机构合作，成果获学术和产业认可。
国产Deep Research杀出一匹「裸奔」黑马：免费开放，过程透明，网页报告一键即出
国产AI搜索秘塔AI搜索放大招，深度研究功能发布即免费公开，自带新玩法，思考过程透明。在评测集上表现优，可应对复杂问题，生成规范报告，还能转互动网页，严谨度与易用性兼备。
告别依赖地狱！新型Python打包神器，支持三种打包模式，跨平台，零配置！
分发Python应用时，环境配置和依赖管理让人头疼。刚开源的Python打包工具PyFuze功能全面，基于cosmopolitan和uv构建，有三种打包模式，兼容GUI应用，跨平台运行，还能一键将项目打包为单个可执行文件。
一站式智能分析引擎，快速构建企业级数据分析 Agent
在数据驱动的商业环境中，传统数据分析流程有诸多局限。本文介绍基于阿里云实时数仓 Hologres 和阿里云百炼的联合方案，结合 Function AI 平台，可构建企业级数据分析 Agent，实现端到端加速。
小红书开源大模型dots.llm1，初次出手，小有惊艳！国外网友们又炸了……
小红书hi lab团队公布首个开源大模型dots.llm1，这是142B参数的MoE模型，仅14B激活参数就能与Qwen2.5 - 72B打平。它开源力度大，训练效率高，数据处理精细，训练稳定，获国外网友高度关注。
Spring AI 实战｜Spring AI入门之DeepSeek调用
文章介绍Spring AI框架，它简化企业数据或API服务与大模型集成，降低开发复杂度。还给出调用DeepSeek的实战步骤，包括手动请求、代码自动发起、实现流式响应等，也提及OpenAI starter的兼容性及生产环境监控。
如何判断AI视频真假？综述动态、可溯源、可解释的检测体系 | ACL26
AI视频生成技术发展迅速，现有检测方法难满足需求。最新综述提出「事实保真度验证」目标，梳理出视觉与语言双视角的四层检测框架，还分析了检测方法演进、评测指标和数据集，为AI视频检测提供落地地图。
让大模型理解真实医疗视频，全球首个开源技术方案来了！
AI 进入医疗领域需谨慎，此前美国引入不成熟 AI 致手术失误频发。全球首个医疗视频理解大模型元智医疗视频理解大模型发布并开源，解决了医疗视频领域的任务优化、数据缺失和无法评测痛点。