「AI 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
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
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
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
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
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
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
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
AI 代理的可靠性挑戰:一次成功,下次還能嗎?
研究Hugging Face Blog
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
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
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
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
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
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
OpenAI 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
商業Wired AI
Meta AI 推出「記憶教練」代理,提升 AI 處理長任務的穩定性
研究The Decoder
Science One Framework:透過證據鏈實現可驗證的自主研究
研究Google Research
OpenAI 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
研究The Decoder
OpenAI 揭示:兩項 API 設定讓模型在 ARC-AGI-3 基準測試中表現翻三倍
研究OpenAI Blog
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
產品TechCrunch AI
Anthropic Claude Opus 5 在 ARC-AGI-3 基準測試中大幅領先,展現真實智慧
研究The Decoder
Anthropic Claude Opus 5 效能超越 Fable 5,價格更具競爭力
產品The Decoder
Claude Opus 5 登場:效能超越 Fable?基準測試引發熱議
產品Latent Space
Prentis AI實驗室獲Reid Hoffman、Mark Pincus共同創辦,洽談募資1億美元
商業TechCrunch AI
中國 GLM 5.2 AI 模型:程式碼生成更經濟,挑戰美國領先地位
產品IEEE Spectrum AI
AI 產業日報:Kimi K3 震撼登場,中國模型實力引發熱議
其他Latent SpaceGoogle DeepMind 推出 Gemini 3.5 Flash Cyber:輕量級 AI 強化網路安全防禦
產品Google DeepMind
Kimi 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
產品The Decoder
輝達 Nemotron 3 Embed 奪 RTEB 榜首,大幅提升 AI 代理檢索效能
產品Hugging Face Blog
Thinking Machines Lab 推出 Inkling:975B 多模態開源模型,樹立美國新標竿
產品Latent Space
語音 AI 評測新標準:Real World VoiceEQ 揭示「人味」差距
研究Hugging Face Blog
OpenAI 推出 GPT-5.6 系列模型,ChatGPT 轉型工作超級應用
產品Latent SpaceSpaceXAI 發表 Grok 4.5 模型,馬斯克讚譽為「Opus 等級」
產品TechCrunch AI
NVIDIA Nemotron 3 Ultra 結合 LangChain Deep Agents 實現領先效能與成本效益
產品NVIDIA Blog