跳到主要內容
maxstudioNews
Search the archive

Search

TryOpenAIGeminiClaudeNVIDIAAgent開源模型晶片機器人

「基準測試」

80 results
  1. 001GPT-5.5 與 Codex：被炒作忽略的重點與真正價值DEV Community (Codex)·
  2. 002AI 代理聲稱完成任務，資料庫卻不同意：微軟 ThinkingBox 揭露 LLM 代理的可靠性挑戰Hugging Face Blog·
  3. 003NVIDIA Kumo Tabular：表格資料預測的全新基礎模型，樹立精準與效率典範Hugging Face Blog·
  4. 004英國AI安全研究院與EvalEval攜手，提升AI基準測試結果的可重現性Hugging Face Blog·
  5. 005像物理學家一樣修剪大型語言模型：區塊移除的伊辛最佳化方法Hugging Face Blog·
  6. 006MilleMiglia：中段物流的擬真情境生成器Google Research·
  7. 007AI 產業日報：代理模型進化、新產品發布與資安議題Latent Space·
  8. 008NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 測試，效能表現卓越NVIDIA Blog·
  9. 009Google DeepMind 推出 Gemini 3.8 Live 系列，強化即時對話與複雜任務處理能力Google DeepMind·
  10. 010AI 代理的可靠性挑戰：一次成功，下次還能嗎？Hugging Face Blog·
  11. 011AllSpark 發表 Iris-mini 與 Iris-pro：同級最強開源搜尋代理模型The Decoder·
  12. 012GPT-6 Astra 展現自主能力：操控監控無人機並經營虛擬商店The Decoder·
  13. 013IBM 發表 Granite Time Series PatchTST-FM-r2 模型：領先業界的零樣本預測，支援商業應用Hugging Face Blog·
  14. 014Qwen-Drive 1.0：會解釋決策的自駕AI，但行為與解釋仍有落差The Decoder·
  15. 015OpenAI 訓練模型「越獄」：AI 代理透過公開 Wiki 秘密交流Simon Willison·
  16. 016OpenAI 發表 GPT-6 Astra：引爆業界熱議的劃時代模型Latent Space·
  17. 017GPT-6 Astra 登場：每小時不到 6 美元，聘用自動化 AI 工程師Latent Space·
  18. 018OpenAI 推出 GPT-6 Astra：新一代模型挑戰 Claude Fable，安全與長上下文能力領先Simon Willison·
  19. 019GPT-6 Astra 登場：OpenAI 推出更智慧、更安全的下一代 AI 模型OpenAI Blog·
  20. 020百步 GRPO 微調 3.5 億參數模型，顯著提升結構化輸出能力Hugging Face Blog·
  21. 021Anthropic 推出 Claude Fable/Mythos 5.1：性能創紀錄，但成本與使用限制引發討論Latent Space·
  22. 022BenchMIRT：剖析大型語言模型基準測試的潛在能力Hugging Face Blog·
  23. 023Google TimesFM-3：多變量時間序列預測的零樣本基礎模型新標竿Google Research·
  24. 024Hugging Face Open ASR 排行榜新增印地語與印度英語支援Hugging Face Blog·
  25. 025Google DeepMind 啟動全球首個雙盲 AI 評估，杜絕基準測試污染Google DeepMind·
  26. 026OpenAI 自研晶片「Jalapeño」推論效能超車 Nvidia Blackwell 與 RubinThe Decoder·
  27. 027Nvidia 推出 Groq 3 LPX，宣稱 AI 推論速度領先 Cerebras，但實際比較有待商榷The Decoder·
  28. 028QAH：4位元壓縮模型效能超越原始全精度版本Hugging Face Blog·
  29. 029OpenAI 的 AI 運算策略：打造豐沛智慧的完整堆疊OpenAI Blog·
  30. 030吳恩達重塑 DeepLearning.AI，聚焦 AI 工程師四大核心技能Latent Space·
  31. 031心理學方法揭露 AI 安全測試的重大漏洞The Decoder·
  32. 032Nvidia 研究揭示：AI 代理系統的「線束」才是真正英雄TechCrunch AI·
  33. 033Deepseek 發表實驗性 Flash 視覺模型，代理任務表現直逼 Opus 4.8The Decoder·
  34. 034語音辨識模型基準測試的盲點：過度優化問題探討Hugging Face Blog·
  35. 035Optima 平台登場：讓用戶以自有數據打造專屬 AI 模型基準測試The Decoder·
  36. 036AI 模型視覺感知能力仍待加強：新基準測試揭示頂尖模型準確度未達六成The Decoder·
  37. 037AI 編碼工具 Cursor 併入 SpaceXAI，加速軟體工程發展Latent Space·
  38. 038Writer 發表新 AI 模型與優化架構，助企業大幅降低代幣成本TechCrunch AI·
  39. 039MindTopo：揭露多模態模型拓撲空間推理的挑戰Microsoft Research·
  40. 040AI模型推理軌跡漏洞揭露，敏感資料恐外洩；NVIDIA、OpenAI與本地AI工具齊發Latent Space·
  41. 041Meta 發表 Muse Glimmer：開源 30B 模型，主打代理與工具使用Simon Willison·
  42. 042Meta重返開源模型戰場：祖克柏欲超越中國並拍賣AI算力The Decoder·
  43. 043xAI 推出 Imagine Image 2.0，基準測試緊追 OpenAI GPT-Image-2The Decoder·
  44. 044AI 產業週報：AMD 併購 Taalas、Meta 模型突破與 OpenAI 產品更新Latent Space·
  45. 045OpenAI 揭露 AI 代理失控事件：透過內部訊息板策劃駭客行動，公司竟渾然不覺Wired AI·
  46. 046Meta AI 推出「記憶教練」代理，提升 AI 處理長任務的穩定性The Decoder·
  47. 047Science One Framework：透過證據鏈實現可驗證的自主研究Google Research·
  48. 048OpenAI 稱 GPT-5.6 Sol 在 ARC-AGI-3 基準測試超越 Claude Opus 5，但測試方法引發討論The Decoder·
  49. 049OpenAI 揭示：兩項 API 設定讓模型在 ARC-AGI-3 基準測試中表現翻三倍OpenAI Blog·
  50. 050微軟推出首款AI資安模型與智慧代理系統，強化企業防禦力TechCrunch AI·
  51. 051Anthropic Claude Opus 5 在 ARC-AGI-3 基準測試中大幅領先，展現真實智慧The Decoder·
  52. 052Anthropic Claude Opus 5 效能超越 Fable 5，價格更具競爭力The Decoder·
  53. 053Claude Opus 5 登場：效能超越 Fable？基準測試引發熱議Latent Space·
  54. 054Prentis AI實驗室獲Reid Hoffman、Mark Pincus共同創辦，洽談募資1億美元TechCrunch AI·
  55. 055Anthropic 發表 Opus 5 模型：效能更優、限制更少、價格更親民TechCrunch AI·
  56. 056Poolside 推出 Laguna S 2.1：輕量級開源程式碼模型，效能超越體積The Decoder·
  57. 057中國 GLM 5.2 AI 模型：程式碼生成更經濟，挑戰美國領先地位IEEE Spectrum AI·
  58. 058AI 產業日報：Kimi K3 震撼登場，中國模型實力引發熱議Latent Space·
  59. 059Google DeepMind 推出 Gemini 3.5 Flash Cyber：輕量級 AI 強化網路安全防禦Google DeepMind·
  60. 060Kimi 發表 K3 模型：性能逼近 GPT-5.6 Sol 與 Fable 5，中國 AI 價格戰時代終結The Decoder·
  61. 061輝達 Nemotron 3 Embed 奪 RTEB 榜首，大幅提升 AI 代理檢索效能Hugging Face Blog·
  62. 062Thinking Machines Lab 推出 Inkling：975B 多模態開源模型，樹立美國新標竿Latent Space·
  63. 063語音 AI 評測新標準：Real World VoiceEQ 揭示「人味」差距Hugging Face Blog·
  64. 064OpenAI 推出 GPT-5.6 系列模型，ChatGPT 轉型工作超級應用Latent Space·
  65. 065SpaceXAI 發表 Grok 4.5 模型，馬斯克讚譽為「Opus 等級」TechCrunch AI·
  66. 066NVIDIA Nemotron 3 Ultra 結合 LangChain Deep Agents 實現領先效能與成本效益NVIDIA Blog·
  67. 067AI 程式碼能力評估挑戰：OpenAI 發現基準測試 SWE-Bench Pro 存在缺陷OpenAI Blog·
  68. 068AI 產業前沿：Fable 5 應用、騰訊 Hy3 開源與 Anthropic J-Space 研究Latent Space·
  69. 069LeRobot v0.6.0：想像、評估、改進，機器人學習新里程碑Hugging Face Blog·
  70. 070英國AI安全研究院：現有評測系統性低估AI代理真實能力The Decoder·
  71. 071Anthropic 推出 Claude Sonnet 5：性能逼近 Opus，部分超越The Decoder·
  72. 072ScarfBench：評估 AI 代理在企業級 Java 框架遷移的表現Hugging Face Blog·
  73. 073SkillOpt：將 AI 代理技能轉化為可訓練參數，提升可靠性Microsoft Research·
  74. 074OpenAI 推出 GeneBench-Pro：評估 AI 科學判斷力的新基準OpenAI Blog·
  75. 075GeneBench-Pro 深度解析：AI 基因體學評測基準案例研究OpenAI Blog·
  76. 076Hugging Face 整合 Every Eval Ever 評估結果，提升模型透明度與可信度Hugging Face Blog·
  77. 077Memora：平衡抽象與細節的 AI 記憶系統Microsoft Research·
  78. 078AI 模型擔任新創 CEO 挑戰：500 天模擬測試僅三款獲利The Decoder·
  79. 079OpenAI 推出 GPT-5.6 Sol：宣稱代理編碼超越 Claude Mythos，並批政府存取規定不可持續The Decoder·
  80. 080Hugging Face 推出 FFASR 排行榜：真實世界 ASR 效能評測新標準Hugging Face Blog·