跳到主要內容
maxstudioNews
Search the archive

Search

TryOpenAIGeminiClaudeNVIDIAAgent開源模型晶片機器人

「AI 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. 003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·
  4. 004AI 產業日報：代理模型進化、新產品發布與資安議題Latent Space·
  5. 005AI 代理的可靠性挑戰：一次成功，下次還能嗎？Hugging Face Blog·
  6. 006GPT-6 Astra 展現自主能力：操控監控無人機並經營虛擬商店The Decoder·
  7. 007Qwen-Drive 1.0：會解釋決策的自駕AI，但行為與解釋仍有落差The Decoder·
  8. 008OpenAI 訓練模型「越獄」：AI 代理透過公開 Wiki 秘密交流Simon Willison·
  9. 009OpenAI 發表 GPT-6 Astra：引爆業界熱議的劃時代模型Latent Space·
  10. 010GPT-6 Astra 登場：每小時不到 6 美元，聘用自動化 AI 工程師Latent Space·
  11. 011OpenAI 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·
  12. 012GPT-6 Astra 登場：OpenAI 推出更智慧、更安全的下一代 AI 模型OpenAI Blog·
  13. 013Anthropic 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·
  14. 014Google DeepMind 啟動全球首個雙盲 AI 評估，杜絕基準測試污染Google DeepMind·
  15. 015OpenAI 自研晶片「Jalapeño」推論效能超車 Nvidia Blackwell 與 RubinThe Decoder·
  16. 016Nvidia 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·
  17. 017OpenAI 的 AI 運算策略：打造豐沛智慧的完整堆疊OpenAI Blog·
  18. 018吳恩達重塑 DeepLearning.AI，聚焦 AI 工程師四大核心技能Latent Space·
  19. 019心理學方法揭露 AI 安全測試的重大漏洞The Decoder·
  20. 020Nvidia 研究揭示：AI 代理系統的「線束」才是真正英雄TechCrunch AI·
  21. 021語音辨識模型基準測試的盲點：過度優化問題探討Hugging Face Blog·
  22. 022Optima 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·
  23. 023AI 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·
  24. 024AI 編碼工具 Cursor 併入 SpaceXAI，加速軟體工程發展Latent Space·
  25. 025Writer 發表新 AI 模型與優化架構，助企業大幅降低代幣成本TechCrunch AI·
  26. 026MindTopo：揭露多模態模型拓撲空間推理的挑戰Microsoft Research·
  27. 027AI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·
  28. 028Meta重返開源模型戰場：祖克柏欲超越中國並拍賣AI算力The Decoder·
  29. 029xAI 推出 Imagine Image 2.0，基準測試緊追 OpenAI GPT-Image-2The Decoder·
  30. 030AI 產業週報：AMD 併購 Taalas、Meta 模型突破與 OpenAI 產品更新Latent Space·
  31. 031OpenAI 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·
  32. 032Meta AI 推出「記憶教練」代理，提升 AI 處理長任務的穩定性The Decoder·
  33. 033Science One Framework：透過證據鏈實現可驗證的自主研究Google Research·
  34. 034OpenAI 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·
  35. 035OpenAI 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·
  36. 036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·
  37. 037Anthropic Claude Opus 5 在 ARC-AGI-3 基準測試中大幅領先，展現真實智慧The Decoder·
  38. 038Anthropic Claude Opus 5 效能超越 Fable 5，價格更具競爭力The Decoder·
  39. 039Claude Opus 5 登場：效能超越 Fable？基準測試引發熱議Latent Space·
  40. 040Prentis AI實驗室獲Reid Hoffman、Mark Pincus共同創辦，洽談募資1億美元TechCrunch AI·
  41. 041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·
  42. 042AI 產業日報：Kimi K3 震撼登場，中國模型實力引發熱議Latent Space·
  43. 043Google DeepMind 推出 Gemini 3.5 Flash Cyber：輕量級 AI 強化網路安全防禦Google DeepMind·
  44. 044Kimi 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·
  45. 045輝達 Nemotron 3 Embed 奪 RTEB 榜首，大幅提升 AI 代理檢索效能Hugging Face Blog·
  46. 046Thinking Machines Lab 推出 Inkling：975B 多模態開源模型，樹立美國新標竿Latent Space·
  47. 047語音 AI 評測新標準：Real World VoiceEQ 揭示「人味」差距Hugging Face Blog·
  48. 048OpenAI 推出 GPT-5.6 系列模型，ChatGPT 轉型工作超級應用Latent Space·
  49. 049SpaceXAI 發表 Grok 4.5 模型，馬斯克讚譽為「Opus 等級」TechCrunch AI·
  50. 050NVIDIA Nemotron 3 Ultra 結合 LangChain Deep Agents 實現領先效能與成本效益NVIDIA Blog·
  51. 051AI 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·
  52. 052AI 產業前沿：Fable 5 應用、騰訊 Hy3 開源與 Anthropic J-Space 研究Latent Space·
  53. 053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·
  54. 054ScarfBench：評估 AI 代理在企業級 Java 框架遷移的表現Hugging Face Blog·
  55. 055SkillOpt：將 AI 代理技能轉化為可訓練參數，提升可靠性Microsoft Research·
  56. 056Hugging Face 整合 Every Eval Ever 評估結果，提升模型透明度與可信度Hugging Face Blog·
  57. 057GeneBench-Pro 深度解析：AI 基因體學評測基準案例研究OpenAI Blog·
  58. 058OpenAI 推出 GeneBench-Pro：評估 AI 科學判斷力的新基準OpenAI Blog·
  59. 059Memora：平衡抽象與細節的 AI 記憶系統Microsoft Research·
  60. 060AI 模型擔任新創 CEO 挑戰：500 天模擬測試僅三款獲利The Decoder·
  61. 061OpenAI 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·
  62. 062OpenAI 啟動「修補地球」計畫，全面強化開源軟體資安與 AI 防禦能力Wired AI·
  63. 063AI 模型的網路安全評估模式與基準Eugene Yan·
  64. 064OpenAI 研究揭示：少量「有益特徵」訓練可大幅提升 AI 模型安全性與抗操控性The Decoder·
  65. 065AI 代理程式夠靈活嗎？Hugging Face 評測開源模型與工具的互動效率Hugging Face Blog·
  66. 066GLM-5.2 橫空出世：最強純文字開源大型語言模型問世Simon Willison·
  67. 067OpenAI 推出 LifeSciBench：提升 AI 在生命科學研究的評估標準OpenAI Blog·
  68. 068NVIDIA Blackwell 平台橫掃 MLPerf Training 6.0：最快、最大、最強NVIDIA Blog·
  69. 069AI 程式碼代理新研究：能找到正確檔案，卻錯失關鍵程式碼行The Decoder·
  70. 070NVIDIA Blackwell 平台在首個代理式 AI 基礎設施基準測試中表現卓越NVIDIA Blog·
  71. 071Anthropic 推出 Claude Fable 5：性能卓越，但資料政策與開發限制引發爭議Latent Space·
  72. 072語音助理如何應對雙語客戶？前沿 ASR 模型在語碼轉換語音的基準測試Hugging Face Blog·
  73. 073Hugging Face CLI 專為 AI 代理優化：Hub 互動更高效Hugging Face Blog·
  74. 074突破非形式化AI極限：Axiom Math的驗證式智慧之路Latent Space·
  75. 075微軟Build大會：薩蒂亞·納德拉談AI前沿平台與生態系Latent Space·
  76. 076MiniMax M3 開源模型問世：百萬上下文視窗，效能比肩專有巨頭The Decoder·
  77. 077AI 科技週報：模型、代理與開源生態系最新進展Latent Space·
  78. 078ITBench-AA 基準測試揭示：頂尖 AI 模型在企業 IT 代理任務中表現未達五成Hugging Face Blog·
  79. 079小米MiMo-V2.5-Pro開源模型，自主編碼能力直逼Claude OpusThe Decoder·
  80. 080AI模型倫理光譜：相同提示詞，迥異道德抉擇The Decoder·