「評估方法」
7 resultsGoogle DeepMind 啟動全球首個雙盲 AI 評估,杜絕基準測試污染
研究Google DeepMind
微軟開源 Orchard 框架:推動可擴展代理式 AI 研究
研究Microsoft Research
AI 浪潮席捲金融業,OpenAI 強化安全與學術支援,Kimi K3 生態系快速發展
商業Latent SpaceClaude Opus 5 登場:效能超越 Fable?基準測試引發熱議
產品Latent Space
英國AI安全研究院:現有評測系統性低估AI代理真實能力
研究The Decoder
AI 模型的網路安全評估模式與基準
研究Eugene Yan
長上下文問答系統評估:挑戰與關鍵指標
研究Eugene Yan