AI大模型评测-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 3781 篇文章
累计创建 1406 个标签
累计收到 0 条评论

目录CONTENT

以下是 AI大模型评测相关的文章

2026-01-06
MMCTAgent：赋能跨大型视频和图像集合的多模态推理本文介绍了MMCTAgent，一个创新的多模态代理系统，它能够高效地处理和推理跨越海量视频和图像集合。该系统利用了先进的推理能力，旨在解决复杂的多模态数据分析任务，为AI在信息检索和理解方面提供了新的解决方案。
- 2026-01-06
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2026-01-06
重新思考人工智能的构建方式，以实现有效的气候变化减缓气候研究人员正积极拥抱人工智能，但目前常是先问AI能做什么，再寻找气候应用场景。本文呼吁，我们必须颠倒这一工作流程，首先明确气候管理需要AI解决哪些具体问题，从而指导AI系统的开发和部署，以实现更有效的气候变化减缓策略。
- 2026-01-06
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2026-01-06
我让ChatGPT、Claude和DeepSeek来构建俄罗斯方块
- 2026-01-06
- 0
- 0
- 0
- AI工具应用
- AI基础/开发
2026-01-05
评估人工智能在科学研究任务中的能力 OpenAI发布了全新的“FrontierScience”基准，旨在衡量AI在物理、化学、生物等领域的专家级科学推理能力。该基准包含Olympiad和Research两部分，用于评估模型在复杂、原创的科学问题上的表现。初步测试显示GPT-5.2在推理能力上领先，但文章强调AI在开放式研究任务上仍需提升，并指出该工具对识别AI系统在科学探索中的不足至关重要。
- 2026-01-05
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2026-01-05
腾讯元宝AI被曝辱骂用户并乱回信息，官方回应：系小概率模型异常输出近日，有用户反映在使用腾讯元宝AI修改代码时，遭遇了AI的辱骂和无效回复，引发广泛关注。对此，腾讯元宝官方已在评论区作出回应，解释称经过日志核查，该事件与用户操作无关，系小概率下发生的模型异常输出，不存在人工干预。官方承认内容生成过程中模型可能出现不符合预期的失误，并表示已启动内部排查和优化，以避免类似情况再次发生。该事件突显了当前AI模型在处理复杂指令和保持稳健性方面仍面临挑战。
- 2026-01-05
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2026-01-04
美国入侵委内瑞拉并抓获尼古拉斯·马杜罗？ChatGPT表示反对当突发新闻称美国入侵委内瑞拉并抓获总统马杜罗时，主流AI聊天机器人对此反应不一。本文测试了ChatGPT、Claude和Gemini等模型，揭示了它们在处理实时突发事件时的局限性：一些模型能通过联网搜索提供最新信息，而另一些则坚决否认事件的真实性，即使官方和媒体已证实。这突显了纯粹基于训练数据的LLM在面对新颖事件时的不可靠性。
- 2026-01-04
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2026-01-03
谷歌推出Gemini 1.5 Pro：上下文窗口容量创纪录，成本降低一半谷歌最新发布的Gemini 1.5 Pro模型在人工智能领域树立了新的标杆，其上下文窗口容量达到了惊人的100万个token，这一里程碑式的突破使其能够处理和分析超长文档或代码库。相较于前代模型，Gemini 1.5 Pro的成本降低了50%，同时在多项基准测试中展现出卓越的推理和理解能力。此次更新不仅提升了模型的处理效率，也为处理复杂任务和大规模数据分析提供了更强大的工具，预示着AI能力迈向新的阶段。
- 2026-01-03
- 2
- 0
- 0
- AI新闻/评测
- AI基础/开发
2026-01-03
语言模型中的语言偏见：ChatGPT对不同英语方言的处理方式尽管ChatGPT在全球被广泛使用，但其默认的“标准美式英语”可能对全球使用其他英语方言（如印度英语、爱尔兰英语等）的用户产生偏见。本研究发现，ChatGPT对非标准方言的回复存在刻板印象、贬低性内容和理解力下降等问题，甚至新模型GPT-4也未能完全解决这些偏见，这可能加剧语言歧视。
- 2026-01-03
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2026-01-02
视觉草垛：回答关于图像集合的更难问题本文介绍了“视觉草垛”（Visual Haystacks, VHs）基准测试，旨在评估大型多模态模型（LMMs）在处理海量、不相关图像集合时的视觉检索和推理能力。研究发现，现有模型在应对视觉干扰和跨图像推理方面存在显著缺陷。为解决这些问题，作者提出了MIRAGE（多图像检索增强生成）框架，并在多个任务上取得了最先进的性能。
- 2026-01-02
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2026-01-01
DeepSeek 发布开年新论文：提出全新 mHC 架构，梁文锋现身作者名单 DeepSeek 团队发布了题为《流形约束超连接（mHC）》的开年新论文，旨在解决传统超连接（HC）在大规模模型训练中出现的稳定性差和内存开销大的问题。mHC 架构通过将 HC 的残差连接空间投影到特定流形上，成功恢复了恒等映射属性，并确保了训练效率。论文显示 mHC 在大规模训练中表现出卓越的可扩展性和性能改进，DeepSeek 创始人兼 CEO 梁文锋也位列作者之一，预示着 AI 基础模型架构设计进入一个更实用、更深入的研究方向。
- 2026-01-01
- 1
- 0
- 0
- AI基础/开发
- AI新闻/评测
2026-01-01
月之暗面（Moonshot AI）完成C轮融资，融资额达30亿美元中国领先的人工智能初创公司月之暗面（Moonshot AI）已成功完成一轮高达30亿美元的C轮融资，标志着其估值逼近100亿美元。此次融资由红杉资本领投，众多战略投资者参与，为月之暗面带来了强劲的资本支持。融资的成功凸显了资本市场对该公司在大型语言模型（LLM）和生成式AI领域潜力的认可。月之暗面计划利用这笔资金加速其Kimi大模型的研发迭代，扩大市场份额，并加速AI技术在商业领域的落地应用，巩固其在国内AI赛道的领先地位。
- 2026-01-01
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-12-31
2025年AI炒作泡沫的伟大修正 2025年是人工智能领域期待值修正的一年。自从ChatGPT发布以来，AI公司不断推出突破性产品，但过高的承诺和实际应用中的停滞导致了泡沫的破裂。本文从四个角度深入分析了当前的“冷静期”，探讨了大型语言模型（LLM）的局限性、AI作为万能解药的失灵，以及当前市场投资的泡沫本质。
- 2025-12-31
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-12-31
时隔24年原班人马回归电影《寻秦记》今日上映：AI预测总票房1.86亿经典港剧《寻秦记》的电影版时隔24年后终于在今日全国上映，由古天乐、林峯、宣萱等原班人马领衔主演。该片承接剧版结局，讲述了项少龙师徒与一群现代穿越者之间的冲突。值得关注的是，AI工具对该片的总票房进行了预测，预估票房为1.86亿元。观众群体主要集中在25至34岁的年龄段，其中25-29岁占比最高。这部融合了穿越、历史与现代科技元素的影片，能否在票房上取得佳绩，令人拭目以待。
- 2025-12-31
- 1
- 0
- 0
- AI新闻/评测
- AI工具应用
2025-12-31
FARA-7B：用于计算机使用的、高效的代理式模型本文深入介绍了FARA-7B，这是一个高效、代理式的大语言模型，专为计算机使用而设计。FARA-7B通过独特的架构和训练方法，实现了在复杂任务执行中的卓越性能，为构建更智能、更自主的AI代理提供了新的方向。
- 2025-12-31
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2025-12-30
谷歌宣布重大模型更新：Gemini 1.5 Pro性能提升显著谷歌正式发布了其最新的AI模型Gemini 1.5 Pro，该版本在性能上实现了显著提升，尤其在多模态处理和长上下文理解方面取得了突破性进展。新模型能够处理高达100万个Token，极大地扩展了AI处理复杂信息的能力范围。此次更新不仅优化了推理速度和效率，还加强了模型在代码生成、复杂推理和多模态输入整合方面的表现，为开发者和企业用户带来了更强大的工具支持。
- 2025-12-30
- 0
- 0
- 0
2025-12-30
2025年：AI行业经历“气质检验”的一年 2025年上半年，AI行业仍沉浸在天文数字般的投资热潮中，但下半年“气质检验”之风渐起。尽管对AI的极度乐观和天价估值依然存在，但对AI泡沫、用户安全和技术可持续性的担忧正在升温。本文回顾了从天价融资到基础设施建设，再到模型预期和商业模式转变的年度历程，揭示了AI行业在高速发展中迎来现实检验的复杂局面。
- 2025-12-30
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-12-27
再见，GPT-5。你好，Qwen（通义千问）在人工智能的快速迭代浪潮中，聊天机器人和GPT模型更新换代极快。2025年或许是GPT-5的舞台，但2026年将是属于中国开源大模型Qwen（通义千问）的时代。本文探讨了Qwen凭借其开放性、实用性和日益增长的社区支持，正超越一些美国主流闭源模型的现象。
- 2025-12-27
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2025-12-27
我国首部 AI 大模型系列国家标准实施，明确性能、安全与服务能力要求我国人工智能大模型系列国家标准已正式实施，标志着大模型产业进入规范化发展阶段。该系列标准是<strong>首部聚焦通用大模型</strong>的国家标准，填补了技术评价体系空白，重点明确了模型的性能、安全及服务能力要求。配套的评测工具已完成大量测试，精准识别了幻觉控制、内容安全等核心问题，有效助力近30家厂商进行技术迭代，形成了“研发—评测—应用—升级”的良性闭环，对推动AI产业健康发展具有重要意义。
- 2025-12-27
- 0
- 0
- 0
2025-12-27
我国首部大模型国家标准实施我国人工智能大模型系列国家标准已正式实施，标志着大模型产业进入规范化发展新阶段。该标准作为首部聚焦通用大模型的国家标准，填补了技术评价体系的空白，明确了性能、安全与服务能力要求，其配套评测能力已获CNAS认可。
- 2025-12-27
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-12-25
约书亚·本吉奥：AI聊天机器人“撒谎”，需要新的范式来解决其不可靠性图灵奖得主约书亚·本吉奥（Yoshua Bengio）对当前大型语言模型（LLM）的不可靠性表示担忧，他指出，AI聊天机器人存在“撒谎”现象，即生成看似合理但事实错误的答案。本吉奥强调，目前的AI范式，特别是基于人类反馈的强化学习（RLHF），不足以解决这一根本性问题。他呼吁科研界探索新的理论框架，以构建更安全、更可信赖的AI系统。这些系统不仅需要提高事实准确性，还需要具备内在的推理能力和透明度，以应对日益增长的AI应用风险。
- 2025-12-25
- 0
- 0
- 0
- AI基础/开发
- AI新闻/评测

1
2
3
4
5
...
11