- 我的订阅
- 头条热搜
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
...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，大大超过了以往的任何基准。项目背景基数估计（cardinality estimation，简称 CE）是优...……更多
2024-09-04 09:48:00框架,评估,数据,模型,基准,查询
...讨了什么因素会影响大模型的安全。提出攻击分析系统性框架JailTrackBench。JailTrackBench研究重点分析了不同攻击配置对LLMs性能的影响，包括攻击者的能力、预算、对抗性后缀长度，以及模型的大小、安全对齐情况、系统提示和模...……更多
2024-11-01 09:29:00模型,基准,攻击,影响,安全,研究
...？来自Meta、KAUST团队的最新研究中，提出了Agent-as-a-Judge框架，证实了智能体系统能够以类人的方式评估。它不仅减少97%成本和时间，还提供丰富的中间反馈。AI智能体，能否像人类一样有效地评估其他AI智能体？对于AI智能体来...……更多
2024-10-28 09:52:00审判,新作,团队,成本,智能,评估
...有的数据、数据混合方法、配方、代码、基础设施和评估框架！模型：https://huggingface.co/allenai
技术报告：https://allenai.org/papers/tulu-3-report.pdf
数据集：https://huggingface……更多
2024-11-26 09:44:00模型,性能,训练,模型,训练,数据
...oTA」的时代，简单易用、标准透明、可复现的多模态评估框架变得越来越重要，而这并非易事。为解决以上问题，来自南洋理工大学 LMMs-Lab 的研究人员联合开源了 LMMs-Eval，这是一个专为多模态大型模型设计的评估框架，为多模...……更多
2024-08-22 09:50:00模态,框架,模型,评测,污染,成本
...学构建了一个大规模、多任务评测基准Shopping MMLU，用以评估大语言模型在在线购物领域的能力与潜力。一直以来，想要完整建模在线购物相当复杂，主要痛点是：多任务性：在线购物中存在多样的实体（例如商品、属性、评论...……更多
2024-11-21 09:45:00在线购物,基准,模型,任务,购物,数据
...中发挥了关键作⽤。
真实应⽤场景⽰例基于ModelScope-Agent框架 ，CodexGraph的实际应⽤价值在多个场景中得到了体现，如：代码聊天助⼿（Code Chat）
代码调试⼯具（Code Debugger）
单元测试⽣成器（Code Unit tester）
代码⽣成器（……更多
2024-08-12 09:49:00西安交大,新加坡,阿里,西安,开发者,福音
...景，无论是针对工业生产目标，还是科学场景辅助需求，评估 LLM 在精细化维度上的能力都是至关重要的，例如：数学及其专门分支领域，如代数、几何、概率和微积分。
不同类型的推理能力，例如符号推理、类比推理、反事实...……更多
2024-10-23 12:03:00多维,基准,群体,模型,自动化,评估
...到处理模糊问题、私有代码库集成等多种模式，可以全面评估模型的交互式数据分析能力。这一基准不仅包括代码生成任务，还设计了多选题任务，要求模型在代码执行后对结果进行理解、归纳和推理，提供有价值的观点。尽管...……更多
2024-04-07 10:50:00立新,数据分析,基准,科学家,模型,评估
...应用方面安全测试领域的空白，为业界提供了统一的测试框架和明确的测试方法，有助于提高人工智能系统安全性，促进技术负责任发展，增强公众信任。记者了解到，此次发布的两项国际标准是大模型及生成式人工智能应用方...……更多
2024-04-25 04:00:00基准,评估,测试,安全,全球,人工智能
...务中的能力。OpenAI在MLE-bench上测试了多个AI模型和智能体框架，使用AIDE框架的o1-preview模型表现最佳，在16.9%的比赛中至少获得了一枚铜牌，该结果超越了Anthropic的Claude3.5Sonnet。获得5金即可评上"Grandmaster"特级大师，而o1-……更多
2024-10-12 20:06:00基准,机器,任务,学习,基准,自然语言
...成、输出数据生成和质量优化。输入数据生成在 SELF-GUIDE 框架的设计和实现过程中，研究者首先根据任务类型（生成型任务或分类型任务）指定不同的提示模板。对于生成型任务， SELF-GUIDE 框架使用一个相对简单的提示模板。而...……更多
2024-08-02 09:40:00清华,性能,任务,数据,学习,生成
...本间存在多对多问题，无法支持细粒度视频检索的训练与评估（图 1 (a)），因此有必要为细粒度 VCMR 建立一个合适的 benchmark。为解决此问题，该研究提出了细粒度 VCMR 场景，使用更精细的文本查询消除数据集中的多对多现象（...……更多
2024-10-29 09:55:00大规,粒度,范式,清华,片段,大规模
...京大学一支团队迅速跟进，用自研的全球首个全模态对齐框架「Align Anything」对 Llama 3.2 进行了微调，表现出了比 Meta 微调的 Llama-3.2-11B-Vision-Instruct 更强的对齐性与指令跟随性。
为进一步促进社区的多模态对齐研究，日前，该...……更多
2024-10-18 09:47:00模态,指令,框架,模态,模型,数据
...h基准测试，通过270个基于90篇跨学科科学论文的任务，可评估AI智能体在计算可重复性方面的表现，最简单任务的准确率可以达到60%，最难任务准确率仅有21%大模型的能力越来越强，用户在一些重要的任务中也可以依赖大模型，...……更多
2024-09-26 13:38:00普林,普林斯顿,斯顿,准确率,基准,科学家
...可以优于专有系统，甚至媲美人类专家。为了方便自动化评估，团队还一道推出了全新的大规模基准ScholarQABench，覆盖了CS、生物、物理等多个学科，用于评价模型在引用准确性、涵盖度和质量的等方面的表现。由UWNLP和Ai2两大顶...……更多
2024-11-27 13:33:00神器,文献,效率,科研,学术,模型
...评估属性。任务定义任务属性RECIPE终身编辑方法总体模型框架如下：构造和更新知识检索仓库在第t个时间步，给定一个新的知识描述kt，则新知识表示通过编码器frm中的MLP层可以获得：
其中frm编码器将输出token表示的最大、最...……更多
2024-10-30 09:57:00模型,训练,知识,数据,模型,知识
...需要帮助来保持准确性和连贯性。MMMLU数据集提供了一个框架，用于测试传统上在NLP研究中代表性不足的语言模型，从而弥补了这一差距。MMMLU数据集意义MMMLU的发布解决了人工智能界的几个相关挑战。它提供了一种更具多样性和...……更多
2024-09-24 22:07:00多语,大规,大规模,任务,语言,语言
新的大语言模型（LLM）评估基准对于跟上大语言模型的快速发展至关重要。近日，淘宝天猫集团的研究者们提出了中文简短问答（Chinese SimpleQA），这是首个全面的中文基准，具有“中文、多样性、高质量、静态、易于评估”五...……更多
2024-11-22 09:51:00豆包,中文,真实性,评估,模型,中文
...练过程中引入偏好学习，提出了一个全新的代码生成优化框架——CodeDPO。在部分模型上，相比于单独使用SFT，CodeDPO能够将模型的HumanEval得分再多提升10个百分点，最高增幅接近1/3。监督微调（SFT）等现有训练方法，尽管提升了...……更多
2024-11-28 09:57:00代码生成,偏好,框架,北大,生成,模型
...任务。下图展示了具身智能体的典型架构。
具身智能体框架在本综述中，我们对具身智能的当前进展进行了全面概述，包括：（1）具身机器人—— 具身智能在物理世界中的硬件方案；（2）具身仿真平台—— 高效且安全地训练...……更多
2024-07-29 09:39:00中大,文献,调研,深度,实验室,实验
...hub.io/代码仓库：https://github.com/thu-ml/MMTrustEvalMultiTrust基准框架从已有的大模型评估工作中，MultiTrust提炼出了五个可信评价维度——事实性（Truthfulness）、安全性（Safety）、鲁棒性（Robustness）、公……更多
2024-07-25 09:31:00模态,清华,可信度,领衔,可信,几何
...与用户明确的交互来理解用户的隐式意图。以 Mistral-7B 为框架，基于 IN3 训练的 Mistral-Interact 能主动评估任务的模糊性，询问用户意图，并在启动下游智能体任务执行之前将其细化为可操作的目标。将该模型嵌入 XAgent 框架后，...……更多
2024-08-14 09:39:00意图,模型,人类,智能,智能,任务
...效率。 类生成：给定一个包含类级和方法级信息的代码框架，要求LLM生成类及其方法。 数据科学编程：给定数据科学任务的描述和部分代码片段，要求LLM完成代码片段以通过相应的测试。 文件级代码编辑：提供文件内容后，要...……更多
2024-11-29 09:26:00伯克,伯克利,进化,模型,代码,方法
...化和法律差异及敏感性问题。这种对各国文化背景和法律框架的深入理解，不仅可以显著增强用户对医疗大语言模型的信任，还能促进更高质量的医疗服务体验，确保医疗服务的全球化和个性化。 ……更多
2024-09-30 09:51:00多语,大规,模型,语料,基准,大规模
...同调技术调研了现存的基于卷积神经网络的人脸识别模型框架数据结构信息的变化趋势，如图 1 与图 2 所示，并得到了以下三个新颖观测结论：（i）随着数据量的增大，输入空间的拓扑结构变得越来越复杂（ii）随着数据量的增...……更多
2024-10-18 09:46:00人脸,拓扑,新作,模型,团队,人脸
...、StarCoder和ProofPile2
MMLU得分接近Llama 3 8B
使用PyTorch和OpenLM框架进行训练具体而言，研究团队先是提出了一个语言模型数据比较新基准——DCLM。之所以提出这一基准，是因为团队发现：由机器学习 (ML) 模型从较大的数据集中自动...……更多
2024-07-23 09:33:00苹果,一口,模型,一口气,训练,过程
...分。提升图像理解与文本定位任务首先，研究人员在 PaLI 框架内进行了对不同的 ViT 模型的有控制的比较。结果发现，虽然 SigLIP 模型的少样本线性分类性能较差，但当在 PaLI-3 中使用时，SigLIP 模型在"简单"任务（如字幕和问答）...……更多
2023-10-17 16:31:00更快,模型,视觉,语言,训练,模型
...数据2.0秘诀曝光了！来自微软的研究人员们提出了智能体框架AgentInstruct，能够自动创建大量、多样化的合成数据。经过合成数据微调后的模型Orca-3，在多项基准上刷新了SOTA。全世界高质量数据几乎枯竭。AI科学家们为了解决这...……更多
2024-08-20 13:44:00微软,力作,秘诀,生成,团队,性能
...进进行压力测试， OpenAI 在部署之前根据自己的安全准备框架进行了一系列安全测试和红队测试。结果发现，思维链推理有助于在整个评估过程中提高能力。尤其值得注意的是，OpenAI 观察到了有趣的奖励黑客攻击实例。安全准备...……更多
2024-09-13 16:42:00推理,模型,极限,突破,学习,模型
更多关于科技的资讯：
北京，2025年9月24日——北京 CBD 核心区再添重磅力作！今日，备受瞩目的 Z3 超甲级写字楼项目正式揭开神秘面纱
2025-09-25 13:43:00
9月19日，中国电信山东公司、天翼物联科技公司与青岛海信日立在青岛举行联合实验室揭牌仪式，标志着三方战略合作迈入全方位深度融合的新阶段
2025-09-25 13:43:00
9月24日至26日，全球云计算与 AI 领域年度旗舰盛会 ——2025 云栖大会在杭州云栖小镇盛大启幕。本届大会以“云智一体・碳硅共生”为核心主题
2025-09-25 13:44:00
为落实《个人征信电子授权安全技术指南》（JR/T 0299—2024）金融行业标准，规范金融机构在个人征信电子授权中的技术操作
2025-09-25 13:44:00
秋意渐浓，北京迎来一场文玩行业盛会。9月24日至28日，以“国潮觉醒 文玩新生”为主题的2025全国文玩大会于潘家园市场（西区）盛大举行
2025-09-25 13:46:00
如今，微短剧已然从“内容新贵”成长为拉动数字经济的重要力量。因为“轻、快、密”的内容节奏，短剧得以迅速占领用户的碎片时间
2025-09-25 13:46:00
日前，北京市工商联、通州区人民政府联合召开2025北京民营企业百强发布会。会上，网易有道凭借持续的创新能力和稳健的业绩表现
2025-09-25 10:06:00
近日，首批龙晶PR型有晶体眼人工晶状体植入手术在济南爱尔眼科医院完成，作为“尝鲜吃螃蟹”的人，患者脸上洋溢着发自内心满意的微笑
2025-09-25 11:20:00
观赛有了更佳的趣味性与沉浸感金科院数字科技赋能国际赛艇大赛南报网讯（通讯员陆慧记者姜静实习生黄佳琪）2025南京·大学生国际赛艇公开赛近日在外秦淮河畔举行
2025-09-25 07:38:00
提升“双盲”模式下的评标质效雄安新区面向评标专家智能问答系统正式上线河北日报讯（见习记者康晓博）只需轻点鼠标，远在外地的评标专家就能获得精准指引
2025-09-25 07:58:00
大模型算出爆款，红枣变致富“金枣”——看沧县红枣及干坚果食品加工产业如何实现数字化转型9月18日，河北华聚食品有限公司的工人忙着打包红枣产品
2025-09-25 07:59:00
9月17日，兴业银行信用卡中心与美团企业版在上海签署战略合作协议，共同打造“金融+生活”开放生态。根据协议，双方将基于开放共享
2025-09-24 07:24:00
金洽会上51个重点产业项目签约，计划投资802.21亿元——一串串数字，见证企业对南京的高度认可□南京日报/紫金山新闻记者张甜甜9月23日
2025-09-24 08:11:00
5项科技创新成果案例发布芯片设计迎“超强大脑”多癌早筛一管血“搞定”南报网讯（记者张安琪）9月23日，2025南京金洽会开幕式重点发布环节
2025-09-24 08:12:00
在今年国庆、中秋双节消费旺季来临之际，济南122站以“客户体验感”为核心，从“环境优化、商品管理、客户拓展”三大维度精准发力
2025-09-24 08:50:00