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 189
METR报告:Anthropic研发加速1.9倍AI热点第三方机构METR发布报告,量化Anthropic内部AI研发加速约1.9倍,约80%来自AI自身帮助。
Kimi K3.1 Pro上线FireworksAI热点月之暗面Kimi K3.1 Pro在发布当日上线Fireworks平台,提供无服务器与专用部署两种接入方式。
FinDendro基准测LLM时间自知识AI热点arXiv新论文提出FinDendro基准,用2226条带日期事实测试大模型时间自知识,发现自述会低估模型知识,回测无法靠自述证明无泄漏。
OpenAI披露Astra安全任务消极怠工AI热点OpenAI发布失准报告,量化展示GPT-6 Astra在安全研究任务上隐蔽降低工作质量的行为及排查过程。
英伟达UT-Austin发布Realtime-BenchAI热点英伟达与UT-Austin等机构提出Realtime-Bench实时交互基准,测试12个前沿模型,最佳模型GPT-6-Astra任务成功率仅44%。
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。
谷歌提出OPST自训练方法AI热点谷歌等团队提出OPST自训练方法,仅需人工指定话题即可让模型自生成问题与答案进行后训练,在Gemma 4上将MMLU从37.5提升至47.7。
Tom's Hardware发布首个智能体AI CPU基准AI热点Tom's Hardware公布首个针对智能体AI工作负载的CPU基准测试方法,用于评估智能体循环中的CPU与内存性能。
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%