• 我的订阅
  • 头条热搜
自动化、可复现,基于大语言模型群体智能的多维评估基准
...群智慧)来实现更稳健且更少偏见的评估,同时使该过程自动化且可扩展到多维度能力比较,Maitrix.org 发布了 Decentralized Arena。原文地址: https://de-arena.maitrix.org Leaderboards: https://huggingface……更多
87.8%准确率赶超GPT-4o登顶!谷歌DeepMind发布自动评估模型FLAMe
...实现更佳的性能。 自动评估方法为了将人工评估的流程自动化,作者对LLM任务和评估标准进行了细致的定义。数据收集和领域内很多科技巨头的做法形成鲜明对比的是,DeepMind这篇论文不仅披露了使用的数据集列表,而且从数...……更多
下载次数破39万!CMU、Meta联合发布VQAScore文生图优化方案:Imagen3已采用
...ImageReward和HPSv2等。然而,这些指标真的足够好吗?现有自动化指标的不足在评估两张图片的相似性(similarity)时,传统指标LPIPS等方法依靠预训练的图像编码器,将图像特征嵌入后再计算距离。然而,这类方法只能评估图像与...……更多
媲美OpenAI事实性基准,这个中文评测集让o1-preview刚刚及格
...严格且周密的流程,确保数据质量达到高标准。主要分为自动化构建和质量控制两个阶段:1. 自动化构建阶段,主要包括五个步骤:(1)知识内容提取与过滤:我们从维基百科等多种知识领域中收集大量富含知识的文本内容,...……更多
安全强化学习方法、理论与应用综述,慕工大、同济等深度解析
...确保机器人在与人类交互或执行任务时的安全性。 工业自动化:在自动化生产线中,利用安全强化学习优化生产过程,同时避免事故发生。 能源管理:在电网操作中应用安全强化学习,以优化能源分配,防止系统超载。未来挑...……更多
AI科学家太多,谁靠谱一试便知!普林斯顿新基准CORE-Bench:最强模型仅有21%准确率
...级别的任务上达到了21%的准确率,即模型在常规科学任务自动化方面仍然有很大的改进空间。CORE-Bench 基准构造验证可重复性需要深度专业的领域知识,即使是对于经验丰富的研究人员来说,其过程可能也算是劳动密集型的任务...……更多
平安保险核保依托AI自主学习,扩展多维立体评估
...核保风控的健康循环,通过数据收集和分析,风险评估模型,自动化决策系统,保险公司不断改进核保流程和决策模型,以适应市场变化和新的风险挑战。传统的核保流程通常依赖于核保员的经验和业务规则,这种方式存在着一定的局限...……更多
商汤又“夺金”!SuperCLUE-V多模态大模型基准发布10月榜单
...内外最具代表性的11个开源/闭源多模态理解大模型,聚焦多维度能力评估,包括基础能力和应用能力两个大方向,以开放式问题形式对多模态大模型进行评估,涵盖了8个一级维度30个二级维度。报告称SenseChat-Vision 5.5在基础能力-...……更多
田渊栋团队新作祭出Agent-as-a-Judge!AI智能体自我审判,成本暴跌97%
...,大模型、智能体、人类作为评判者的示意图。 DevAI:自动化AI开发数据集另外,在代码生成领域,基准测试的发展也落后于智能体系统的快速进步。比如,HumanEval仅关注算法问题,而MBPP则处理简单的编程任务,但这两者都没...……更多
LLM数学性能暴涨168%,微软14人团队力作!合成数据2.0秘诀曝光,智能体生成教学
...生成新的提示和响应。它们还可以实现数据生成工作流的自动化,减少或消除某些任务对人工干预的需求。论文中,作者提出了「生成式教学」的概念。这是说,使用合成数据进行后训练,特别是通过强大的模型创建数据,来教...……更多
全球首篇!调研近400篇文献,鹏城实验室&中大深度解析具身智能
...:(1)固定基座型机器人,如机械臂,常应用在实验室自动化合成、教育、工业等领域中;(2)轮式机器人,因高效的机动性而闻名,广泛应用于物流、仓储和安全检查;(3)履带机器人,具有强大的越野能力和机动性,在农...……更多
NeurIPS | 消除多对多问题,清华大规模细粒度视频片段标注新范式
...难以应对细粒度查询。为此,来自清华大学的研究者提出自动化视频 - 文本细粒度标注系统 VERIFIED,并基于此系统构建新的细粒度 VCMR 基准数据集(Charades-FIG、DiDeMo-FIG 和 ActivityNet-FIG),以推动细粒度视频理解的发展。论文题目...……更多
​首个自主机器学习AI工程师,刚问世就秒了o1,Kaggle大师拿到饱
多智能体系统,可自动化整个 ML 工作流程,节省数千小时工时。Open AI 的推理模型 o1,这么快就被比下去了?本周五,AI 社区见证了又一项突破:一个完全自动化机器学习流程的 AI 工程师,能轻松获得 Kaggle 大师水平,在参与...……更多
还在人工炼丹?自动提示工程指南来了,还带从头实现
...多个不同的提示词并对其进行测试,只不过是让整个过程自动化。后面我们会看到,这个过程非常类似于传统监督式机器学习中的自动超参数优化。本文将深度介绍 APE:首先将介绍原理、一些可用于生成提示词的策略以及其它...……更多
自动化机器学习研究MLR-Copilot:利用大型语言模型进行研究加速
...决当前研究中的具体问题。为此,我们提出了 MLR-Copilot 自动化机器学习研究的研究平台 / 演示工具 (Demonstration),利用大型语言模型(LLM)作为研究人员的 “副驾驶”,分析研究论文、提取研究问题,以提出新的研究思路和实验...……更多
Claude 3.5深夜觉醒,学会模仿人类用电脑!编程干翻o1,Agent一夜变天
...模型均取得了实质性进步The Browser Company:在使用该模型自动化网络工作流程时发现,Claude 3.5 Sonnet的表现超越了他们此前测试过的所有模型此外,在安全部署前,Claude 3.5 Sonnet已经在美国AI安全研究所(US AISI)和英国安全研究所...……更多
智能体首达Kaggle Grandmaster,华为结构化推理补齐思维链短板
...识,从而解决各种复杂问题。这需要系统级的方法,需要自动化和优化来适应具体的任务目标。举个例子,在 Kaggle 数据科学竞赛中(如图 1 所示),数据科学家需要遵循一个结构化的工作流程:收集、清理、预处理和标准化数...……更多
数字员工、超级个体、具身智能,AI Agent未来发展十大研究方向
...带来重大机遇。报告认为,随着人工智能向智能体演进,自动化系统将能够自主决策和行动。智能体不仅会为人类提供建议,还将代表人类采取行动。人工智能将继续生成文本、图像和洞察,而AI Agent将自行决定如何处理这些信...……更多
“具身智能小镇”来了!机器人逛超市买菜满街跑,来自上海AI Lab
...月,该团队还发布了具身多模态大模型Grounded 3D-LLM,能够自动化生成物体到局部区域的场景描述与具身对话数据,有效缓解了目前三维场景理解的局限性。论文地址:https://arxiv.org/abs/2407.10943GitHub地址:https://github.com/open……更多
最癫OpenAI爆料者竟是AI智能体??CEO出来认领,网友炸锅
...元先来说说MultiOn AI这家公司,专注于构建AI智能体。旨在自动化日常任务和操作网页,例如从电商平台买手纸或安排日程表。今年6月,有消息称MultiOn将完成2000万美元(约1.4亿元)融资,估值约1亿美元(约7.1亿元)。创始人Div G...……更多
科学家研发AI睡眠模型,捕捉多导睡眠图数据特征,提升睡眠障碍
...为睡眠医疗提供降本增效的可能。与此同时,这种高效的自动化睡眠分析系统,也有望成为传统多导睡眠图人工手动标注的替代或补充。 预计基于本次开发的深度学习睡眠分析算法,有望应用于以下几个方面:其一,充当临床...……更多
谷歌版贾维斯即将问世,最强Gemini 2.0加持!AI自主操控电脑时代来临
...歌正开发同类新项目「Project Jarvis」,能将Chrome网页任务自动化。谷歌「贾维斯」将由未来版Gemini 2.0驱动,预计在12月亮相。起这个名字,是为了向钢铁侠中的J.A.R.V.I.S致敬。无独有偶,微软团队悄悄放出的OmniParser,也在笃定AI...……更多
...每轮30万次的迭代训练,模拟设计师创作过程,实现高效自动化设计,大幅提升设计效率,降低成本至原来20%,解决设计师人才稀缺、成本高问题,推动蕾丝花型设计领域的智能化革新。8、基于大数据驱动的陶瓷产业数字化协同...……更多
从“智能涌现”到“超人类”,通往AGI巅峰的终极设想
...战。6.关注实现AGI的路径,而非单一终点:正如通过一套自动化驾驶的标准体系会更有助于针对自动驾驶车辆相关的政策制定和进程推进一样,定义AGI在不同“水平”上的衡量标准是很有益的。AGI的发展就像是一次长途跋涉,终...……更多
谷歌 AI 推出 CardBench 评估框架
...之家 9 月 3 日消息,谷歌 AI 研究人员最新推出了 CardBench 基准,主要为学习型基数估计(cardinality estimation)满足系统评估框架需求。CardBench 基准是个综合评估框架,包含 20 个不同真实数据库中的数千次查询,大大超过了以往的...……更多
调研219篇文献,全面了解GenAI在自适应系统中的现状与研究路线图
...复问题或提升性能。现有研究多利用 LLMs 进行漏洞修复和自动化程序修复,但自适应系统中的自动化进化研究有限。LLMs 可以通过集体智能(如 metaGPT 自动化开发流程)以及自主学习(学习新技能以应对运行时的变化)实现自我...……更多
江苏银行:聚数智之力,塑“微贷”之美
...、申请提交等操作步骤。客户在提交业务后,可快速获取自动化审批结果,并可通过江苏银行手机银行等渠道实现在线用款,按需用信、随借随还。目前,“微e融”产品实现全流程线上化办理,客户足不出户便可享受“一站式...……更多
无一大模型及格! 北大/通研院提出超难基准,评估长文本理解生成
...型及格!北大联合北京通用人工智能研究院提出了一个新基准数据集:LooGLE,专门用于测试和评估大语言模型(LLMs)长上下文理解能力。该数据集既能够评估LLMs对长文本的处理和检索能力,又可以评估其对文本长程依赖的建模...……更多
《全球工程前沿2022》发布  九大领域188个项目入选
...术、超低功耗物联网技术及芯片制造、人工智能电子设计自动化(EDA)技术、基于强化学习的无人系统进化算法、中低轨空间通信网络技术。 ——化工、冶金与材料工程领域,12项研究前沿分别是高性能超导储能材料研究、绿色低...……更多
2022-12-15 19:13:00领域,项目,工程,全球
OpenAI o1太贵?那就自己做一个!纯提示方法让普通LLM进化出复杂推理能力
...之地。人们可以利用这种推理能力来构建强大的工作流程自动化,以解决IT、网络安全、汽车等各个领域的问题。组织可以使用较小的开源模型来替代GPT-4o等成本较高的模型,用于需要复杂推理能力来解决的任务。参考资料:http...……更多
更多关于科技的资讯:
从迷失到笃行:一位古贝春经销商的二十载商海沉浮与顿悟
鲁网11月27日讯(记者 赵洪斌)在鲁北商业版图上,王文俊的名字与古贝春酒业紧紧相连。然而,这段长达二十余年的合作关系
2025-11-28 08:45:00
近日,广东宇太能源与河北某工业玻璃龙头企业签约,合作利用空微子发电技术降低企业电耗。该项目由玻璃企业投资,宇太能源提供技术及设备支持
2025-11-28 08:57:00
罗振宇、张夕勇、杨慧林、罗军民四位大咖重磅推荐,杨钧博士《未来竞速》即将出版发行
百年汽车产业大变局的必读之作。近日,由国内汽车行业资深媒体人与研究观察者杨钧博士撰写的新书《竞速未来-全球新能源汽车的崛起与挑战》一书已由中国出版集团中译出版社正式出版发行
2025-11-28 09:27:00
近日,鹏华基金发布公告,旗下科创创业人工智能ETF鹏华 (认购代码:588413)于11月28日正式发行。作为首批双创人工智能ETF中的一员
2025-11-28 10:11:00
入选概率不及万分之二,阿里千问斩获顶级AI会议最佳论文
11月28日消息,人工智能领域顶级会议NeurIPS 2025公布了论文奖,阿里通义千问团队最新研究成果从全球2万多篇投稿论文中脱颖而出
2025-11-28 11:01:00
11月24日,位于启东市南阳镇的朗峰新材料启东有限公司生产车间内,自动化生产线高速运转,一条薄如蝉翼的银色金属带材从特制喷嘴中“飞”出
2025-11-28 11:05:00
济南轨道交通集团举办财务资本培训,实战专家孙春浩解析财务精英三级跃迁路径
近日,济南轨道交通集团全资子公司莱芜交通发展集团成功举办财务管理及融资业务培训。本次培训由集团财务管理部部长刘文芹主持
2025-11-28 11:09:00
锚定本土、驱动创新的金融实践!青岛银行荣膺CFV“最佳品牌竞争力城商行”奖项
11月21日,在上海举办的“2025第一财经金融价值年会”上,青岛银行凭借在科技金融、绿色金融、地方经济服务及创新能力方面的突出表现
2025-11-28 11:18:00
挂号缴费不用跑!微信医保移动支付在北京140家公立医院全面上线
近日,北京市参保市民就医迎来“智慧升级”——微信医保移动支付功能已在中国医学科学院、北京协和医院、北京大学人民医院等140家公立医院全面上线
2025-11-28 11:28:00
河北省煤田地质局物测队引入新装备提升探测能力
河北新闻网讯(吕若汐、齐彦红)11月18日,地球物理勘探设备供应商法国塞赛尔公司正式向河北省煤田地质局物测队交付了两套数字地震仪(激发系统)诺玛德65尼奥
2025-11-28 11:53:00
中新经纬11月28日电 北京市广电局网站消息,《北京市促进“人工智能+视听”产业高质量发展行动方案(2025-2029年)》(下称《行动方案》)近日发布
2025-11-28 11:57:00
均胜电子:定位“汽车+机器人Tier1”,双轮驱动进阶智能新时代
全球领先的智能汽车科技解决方案提供商均胜电子(600699.SH / 00699.HK)正以创新驱动和全球协同,在汽车电子
2025-11-28 12:15:00
严禁“带病运行”!河南就政务信息系统开发公开征求意见
大河网讯 为给非涉密政务信息系统的开发建设加上一把“安全锁”,规范全生命周期的安全管控工作,11月27日,省行政审批政务信息管理局起草了《非涉密政务信息系统开发安全管理指南(征求意见稿)》(以下简称《征求意见稿》)
2025-11-28 14:10:00
吉林机场集团门户网站二次升级 打造智慧出行服务新标杆
为持续优化用户体验、丰富服务维度,吉林省民航机场集团有限公司门户网站(https//www.jlairports.com)正式迎来二次重大升级
2025-11-28 14:41:00
商赢酱酒以文化赋能商务社交,重塑“场景思维”新体验
11月25日,一场以“商界链接创富圈层,共享‘商赢酱酒’杯中哲学,解锁中国式商务社交的‘心’语”为主题的交流会在济南成功举办
2025-11-28 14:55:00