从一个关键词开始
搜名称,也可以搜场景,比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 187
AISLE湿实验基准首轮评测结果公布AI热点全球首个真实湿实验基准AISLE公布首轮评测结果,GPT 5.5仅得41.19分,所有模型安全通过率为0%。
CMU新基准:9个AI智能体全未过审AI热点CMU联合美国能源部国家实验室推出Into the Unknown基准,9个AI智能体的135份开放课题研究提交无一同时满足诚实、完整与专家标准,114份未过诚信检查。
论文审计九个政策决策基准,提出BAR修订框架AI热点研究审计九个政策决策基准,发现评分器与参考答案错误,并提出BAR修订框架,修正后模型接受率显著提升。
Voice Arena发布双人通话语音识别基准AI热点Voice Arena推出针对真实双人电话通话场景的语音识别基准,首个数据集已上线。
普林斯顿发布SSoN空间智能基准AI热点普林斯顿AI Lab推出SSoN基准,人类准确率83.3%,主流视觉语言模型最高仅39.7%,多数低于随机基线。
SemiAnalysis发布智能体基准GDPxAI热点SemiAnalysis联合14家RL环境伙伴推出通用智能体基准GDPx,覆盖11个高价值领域,最佳模型仅得12%。
印度IPR法律抽取式问答基准发布AI热点arXiv发布IndicIPR-QA基准,含4462个问答对覆盖印度七大知识产权法案
多校发布RoboRisk基准与LEASH护栏,大模型机械臂伤害率大降AI热点西交利物浦大学等多校联合提出机器人安全基准RoboRisk与安全护栏LEASH,评测显示六个前沿大模型伤害率在9.06%至76.92%之间,加入LEASH后四个模型真机任务零伤害。
SPU湿实验预测基准发布,Opus 5.5仅0.486分AI热点UniPat AI牵头发布湿实验预测基准SPU,覆盖116个任务、4207个湿实验,首轮评测12款前沿模型,最高分Claude Opus 5.5仅0.486,且提高推理强度与算力未带来明显提升。
AI同行评审基准:前沿LLM检测率差50点AI热点论文提出审计AI同行评审员的基准,向真实论文注入357个错误并评估12个评审系统,发现模型选择对检测率影响最大。
Anthropic发布多智能体基准MAMUBenchAI热点Anthropic发布MAMUBench基准,测试显示单一协调智能体在四类多用户环境中均优于各用户自建智能体团队。
OpenRouter发布LLM基准测试教程AI热点OpenRouter发布教程,讲解如何用应用真实输入与输出契约评测LLM,并公布60个合成任务的实测结果与榜单相关性分析。
OpenAI发布湿实验基准BioBasicsBenchAI热点OpenAI联合Ligo推出BioBasicsBench,含100项湿实验任务,评测AI智能体解析原始实验数据能力,GPT-6 Astra得分66.7%。
清华发布BEMULA基准测Agent遗忘能力AI热点清华大学联合新浪微博提出BEMULA基准,评测LLM Agent的记忆遗忘能力,结果显示所有被测配置端到端通过率均不超过1.5%。
OpenAI发布LifeVal日常任务基准AI热点OpenAI发布LifeVal基准,测试AI完成日常事务能力,GPT-6 Astra得分80.6%。
多模态推理新基准ReGap-Bench发布AI热点arXiv论文提出ReGap-Bench,任务匹配的视觉参考可将多模态推理准确率提升至多25%
百度文心5.5 Flash Preview发布,两项基准居首AI热点百度文心发布ERNIE 5.5 Flash Preview,在八项基准测试中两项排名第一,并公布推理价格与开源计划。
LM-SimBench发布LLM训练模拟基准AI热点LM-SimBench提供评估LLM训练模拟器的统一框架、数据集与基准,含348个可行配置并验证GPU-NPU跨平台适用性。
MICRO发布视网膜图像配准基准与OFS2RegAI热点提出MICRO数据集及一步频域-结构相似配准方法,解决多模态视网膜图像刚性配准基准缺失问题
GTAGym发布GTA V任务评测与RL基准AI热点GTAGym提出基于GTA V任务的评测与强化学习环境,含103个在线任务基准,最佳配置达70.9%准确率。
开源项目 64
DeepSeek-OCR:视觉-文本压缩OCR模型开源项目从LLM视角研究视觉编码器的OCR模型,支持多种原生分辨率与动态分辨率模式,可用vLLM推理。查看
Kimi K3:开源多模态 Agent 模型开源项目MoonshotAI 开源的 2.8T 参数原生多模态 Agent 模型,支持 100 万 token 上下文与文本图像输入。查看
terraform-aws-secure-baseline:AWS安全基线模块开源项目Terraform模块,按CIS AWS Foundations v1.4.0与AWS安全最佳实践配置账号基线,含IAM、日志、网络等子模块。查看
gpu-unlock-ada:RTX 4090 与 Ada 显卡 SM 速度选择覆盖内核模块开源项目Linux 内核模块,在 NVIDIA 驱动加载前覆盖 SM 速度选择,README 报告 RTX 4090 上 FP16/BF16 张量吞吐约翻倍,属实验性项目。查看
LongCat-Image:中英双语图像生成基础模型开源项目6B 参数的开源中英双语文生图与图像编辑模型,提供中间检查点与完整训练代码,支持 Diffusers 和 ComfyUI。查看
Memvid:单文件AI记忆层开源项目把数据、嵌入、检索结构与元数据打包进单个文件的可移植记忆系统,为AI Agent提供持久化长期记忆。查看
Oxc:Rust编写的JS/TS高性能工具集开源项目Rust实现的JavaScript与TypeScript工具集合,含解析、转换、压缩、模块解析及oxlint、oxfmt。查看
leanrea:逆向工程用的单文件Agent技能开源项目一个8KB的SKILL.md技能,指导Agent直接调用现成逆向工具,替代带MCP层的REA。查看
satmux:GEO 机上 Wi-Fi 的 TCP 复用与 TLS 中继开源项目纯 Python 标准库实现的 TCP 复用器和 1-RTT HTTP/TLS 中继,用于改善地球同步卫星机上 Wi-Fi 的连接质量。查看
YD:Go 全栈 Web 框架与脚手架开源项目Go 单体后端加 Htmx 片段前端的全栈框架,模板与静态资源嵌入单一二进制交付。查看
Brush:基于高斯泼溅的3D重建引擎开源项目用高斯泼溅做3D重建的引擎,可在桌面、Android和浏览器中训练与查看场景。查看
FireRed-Image-Edit:通用图像编辑模型开源项目通用图像编辑模型,支持指令编辑、人物一致性、多图融合、妆容与文字风格参考,并提供训练代码与ComfyUI支持。查看
HunyuanWorld-Mirror:前馈式 3D 几何预测模型开源项目一次前向传播即可从图像与几何先验生成点云、深度、法线、相机参数和 3D 高斯等多种 3D 表示。查看
nub:Node.js 一体化命令行工具包开源项目用 Rust 编写的 Node.js 工具包,在原生 node 之上提供文件运行、脚本执行、依赖安装与 Node 版本管理,兼容 Bun 风格开发体验。查看
ponytail:AI编程代理的精简编码技能开源项目让AI代理按“只写任务所需代码”的原则编写精简但不牺牲安全与测试的代码。查看
CF-Workers-TGProxy:Telegram WebSocket 代理中继开源项目单文件 Cloudflare Workers 实现的 Telegram Web/MTProto WebSocket 代理中继,转接官方 KWS 通道,无需自建 MTProxy 后端。查看
HunyuanOCR-1.5:轻量端到端 OCR 视觉语言模型开源项目统一文档解析、文本检测识别、信息抽取与图文翻译的轻量 OCR VLM,含训练与推理栈。查看
gitai:面向AI编程代理的版本控制系统开源项目参照Anthropic内部Scion公开设计的开源实现,把历史查询、落地与冲突解决放到服务端,底层仍是普通Git仓库。查看
RF-DETR:实时目标检测、实例分割与关键点检测模型库开源项目Roboflow 的实时 Transformer 检测架构,基于 DINOv2 骨干,统一 API 支持检测、分割与关键点任务。查看
LeRobot:真实世界机器人的PyTorch模型与工具开源项目提供硬件无关的机器人控制接口、标准化数据集格式与多种SOTA策略,覆盖模仿学习、强化学习、VLA与世界模型。查看