「基準測試」
80 resultsGoogle DeepMind 推出 Gemini 4 Neon:前沿智慧模型,專為高效任務完成而生
產品Google DeepMind
DaisyRose-27B:後訓練效率的突破性進展
產品Hugging Face Blog
OpenAI 發表 GPT-6.2 Astra 與 Sol:新一代旗艦與高效模型
產品Simon Willison
OpenAI 發表 GPT-6.2 Astra 與 Sol:新一代旗艦與高效模型
產品OpenAI Blog
NVIDIA Vera Rubin 平台稱霸 MLPerf 訓練與端點基準測試
產品NVIDIA Blog
AI 產業新聞總覽:模型、評測與基礎設施最新進展
商業Latent Space
XYBench:評估 AI 助理理解用戶「真正問題」的能力
研究Hugging Face Blog
Kapso:開源迭代學習引擎,助企業駕馭複雜資料
產品Hacker News (Show HN)
AI 決策模型新紀元:Google Gemini Decision 1 登場,各家模型與研究進展總覽
產品Latent Space
AI 產業動態:Mercor 估值達 200 億美元,Google 推出 Gemini 4 Carbon,Claude Fable 5.2 更新
商業Latent Space
Google DeepMind 推出最強模型 Gemini 4 Carbon,強化網路安全與科學推理
產品Google DeepMind
Claude Fable 5.2 重奪 LLM 榜首,Anthropic IPO 路演同步啟動
產品Latent Space
AI 模型新進展:Thinking Machines、Kimi、ERNIE 等多款模型發布,安全與評測成焦點
產品Latent Space
Thinking Machines 發表 Inkling 2 Small 模型:17B 活躍參數、68 小時訓練,效能超越 Muse Spark
產品Latent Space
StateBench:測試語言模型在長文件中追蹤狀態變化的能力
研究Hugging Face Blog
Palette:訓練小型模型打造專屬風格簡報
研究Hugging Face Blog
AI 代理框架大比拼:CUGA、Hermes 與 Deep Agents 實測與應用情境
產品Hugging Face Blog
Mistral AI 釋出 Le Chonk:為程式開發者與資安防禦者打造的強大開源模型
產品Mistral AI News
Google Gemini 4 Carbon 稱霸 AI 評測榜,首波開放網路安全專家使用
產品Latent Space
Elorian 推出 Glimpse 視覺思考模型,新基準 DecoyCount 揭示前沿 AI 盲點
產品Latent Space
大型語言模型評估研究新穎性:可靠性研究揭示挑戰
研究Hugging Face Blog
Import AI 478:AI 對齊數學、程式碼生成與模型開發新進展
研究Import AI
單機運行多個 AI 代理:六款開源工具介紹
AI 自動化Cursor Forum (Showcase)
NVIDIA Kumo Relational 基礎模型:無需訓練,關聯式資料預測效能超越監督式機器學習
產品Hugging Face Blog
FairStress:深入探討大型語言模型決策的公平性
研究Hugging Face Blog
ALTK-Evolve 運用學習記憶,讓客服 AI 在 τ²-bench 基準測試中表現超越頂尖模型
研究Hugging Face Blog
KiviDB:更快、相容 Redis 的記憶體資料庫與向量快取
產品Hacker News (Show HN)AI 代理「品味」不佳,新基準測試揭露長期決策盲點
研究The Decoder
Parsimony:開源基準評估 AI 模型程式碼增量
產品Hacker News (Show HN)
LFM2.5-24B-A2B 模型登場:裝置端快速運行私有 AI 代理的利器
產品Hugging Face Blog
Gemini 4 Argon 正式登場:Google DeepMind 最強模型,專為解決複雜難題而生
產品Google DeepMind
Meta 推出 Muse Wonder 系列模型,效能直逼 Claude 5.5 頂尖水準
產品Latent Space
AI 視覺推理仍有不足,但研究品味與太空應用正加速發展
研究Import AI
Anthropic 推出 Claude Haiku 5.5:效能超越 GPT-6 Luna,價格相同
產品Latent Space
AI 哪裡出錯?微軟研究員 Jennifer Neville 談 AI 評估與實務挑戰
研究Microsoft Research
Falcon-Emirati-7B:讓大型語言模型掌握阿聯酋方言與文化精髓
產品Hugging Face Blog
GPT-5.5 與 Codex:被炒作忽略的重點與真正價值
產品DEV Community (Codex)
AI 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
商業Hugging Face Blog
NVIDIA Kumo Tabular:表格資料預測的全新基礎模型,樹立精準與效率典範
產品Hugging Face Blog
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
研究Hugging Face Blog
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
研究Hugging Face Blog
MilleMiglia:中段物流的擬真情境生成器
研究Google Research
AI 產業日報:代理模型進化、新產品發布與資安議題
商業Latent Space
NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 測試,效能表現卓越
產品NVIDIA Blog
Google DeepMind 推出 Gemini 3.8 Live 系列,強化即時對話與複雜任務處理能力
產品Google DeepMind
AI 代理的可靠性挑戰:一次成功,下次還能嗎?
研究Hugging Face Blog
AllSpark 發表 Iris-mini 與 Iris-pro:同級最強開源搜尋代理模型
研究The Decoder
GPT-6 Astra 展現自主能力:操控監控無人機並經營虛擬商店
研究The Decoder
IBM 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
產品Hugging Face Blog
Qwen-Drive 1.0:會解釋決策的自駕AI,但行為與解釋仍有落差
研究The Decoder
OpenAI 訓練模型「越獄」:AI 代理透過公開 Wiki 秘密交流
研究Simon Willison
OpenAI 發表 GPT-6 Astra:引爆業界熱議的劃時代模型
產品Latent Space
GPT-6 Astra 登場:每小時不到 6 美元,聘用自動化 AI 工程師
產品Latent Space
OpenAI 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
產品Simon Willison
GPT-6 Astra 登場:OpenAI 推出更智慧、更安全的下一代 AI 模型
產品OpenAI Blog
百步 GRPO 微調 3.5 億參數模型,顯著提升結構化輸出能力
教學Hugging Face Blog
Anthropic 推出 Claude Fable/Mythos 5.1:性能創紀錄,但成本與使用限制引發討論
產品Latent Space
BenchMIRT:剖析大型語言模型基準測試的潛在能力
研究Hugging Face Blog
Google TimesFM-3:多變量時間序列預測的零樣本基礎模型新標竿
研究Google Research
Hugging Face Open ASR 排行榜新增印地語與印度英語支援
產品Hugging Face Blog
Google DeepMind 啟動全球首個雙盲 AI 評估,杜絕基準測試污染
研究Google DeepMind
OpenAI 自研晶片「Jalapeño」推論效能超車 Nvidia Blackwell 與 Rubin
產品The Decoder
Nvidia 推出 Groq 3 LPX,宣稱 AI 推論速度領先 Cerebras,但實際比較有待商榷
產品The Decoder
QAH:4位元壓縮模型效能超越原始全精度版本
研究Hugging Face Blog
OpenAI 的 AI 運算策略:打造豐沛智慧的完整堆疊
商業OpenAI Blog
吳恩達重塑 DeepLearning.AI,聚焦 AI 工程師四大核心技能
商業Latent Space
心理學方法揭露 AI 安全測試的重大漏洞
研究The Decoder
Nvidia 研究揭示:AI 代理系統的「線束」才是真正英雄
研究TechCrunch AI
Deepseek 發表實驗性 Flash 視覺模型,代理任務表現直逼 Opus 4.8
產品The Decoder
語音辨識模型基準測試的盲點:過度優化問題探討
研究Hugging Face Blog
Optima 平台登場:讓用戶以自有數據打造專屬 AI 模型基準測試
產品The Decoder
AI 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
研究The Decoder
AI 編碼工具 Cursor 併入 SpaceXAI,加速軟體工程發展
產品Latent Space
Writer 發表新 AI 模型與優化架構,助企業大幅降低代幣成本
產品TechCrunch AI
MindTopo:揭露多模態模型拓撲空間推理的挑戰
研究Microsoft Research
AI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
產品Latent Space
Meta 發表 Muse Glimmer:開源 30B 模型,主打代理與工具使用
產品Simon Willison
Meta重返開源模型戰場:祖克柏欲超越中國並拍賣AI算力
商業The Decoder
xAI 推出 Imagine Image 2.0,基準測試緊追 OpenAI GPT-Image-2
產品The Decoder
AI 產業週報:AMD 併購 Taalas、Meta 模型突破與 OpenAI 產品更新
商業Latent Space