- 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
...异。目前OmniSearch在魔搭社区还有demo可玩。动态检索规划框架，打破传统mRAG局限传统mRAG方法遵循固定的检索流程，典型的步骤如下：
输入转化：接收多模态输入（例如图像+文本问题），将图像转化为描述性文本（例如通过image...……更多
2024-12-05 09:45:00模态,拆解,阿里,检索,过程,智能
...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
...和卡内基梅隆大学，组建科研团队，合作开发了 ExploreToM 框架，旨在更有效地评估和训练大语言模型（LLM）的心智理论（Theory of Mind，ToM）能力。心智理论心智理论（Theory of Mind，ToM）是人类社会智能的基础之一，能让我们能够...……更多
2024-12-21 09:27:00之路,心智,难题,突破,理论,模型
...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
...踪一切」模型SOLAMI：首个端到端社交视觉-语言-动作建模框架RevThink：使用逆向思维增强 LLM 推理想要第一时间获取每日最新大模型热门论文？ 点击阅读原文，查看「2024必读大模型论文」合集，以及申请加入「大模型技术分享群...……更多
2024-12-10 09:53:00模型,语言基础,清华,定律,密度,团队
...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
...。随着技术的发展，越来越多复杂且动态的 LLM-as-a-judge 框架被开发出来，例如多智能体判断和 LLM-as-a-examiner。在未来，一个有前景的研究方向是开发具有人类评判思维的大模型智能体；另外，开发一个基于大模型自适应难度的...……更多
2024-12-04 09:49:00范式,模型,基准,偏见,数据,评估
...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
...关注的大模型前沿论文北大团队提出「自定义漫画生成」框架UniReal：通过学习真实世界动态实现通用图像生成和编辑苹果团队提出「可扩展视频生成」方法利用扩散 Transformer 进行视频运动迁移ObjCtrl-2.5D：无需训练的「图生视频...……更多
2024-12-13 09:19:00推理,模型,思维,空间,模型,生成
...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
更多关于科技的资讯：
近日，长江三峡见证了一场别开生面的银发游学盛事。"三峡简橙号·年度盛典"游学项目在历时七天的精彩行程后圆满落下帷幕。该项目由简知科技旗下两大知名品牌"简知文旅"与"简橙教育"联合策划执行
2025-09-30 08:17:00
齐鲁晚报·齐鲁壹点 国晓宁 崔宇晴走进山东力得汽车科技股份有限公司的生产车间，机器轰鸣声不绝于耳，一条条先进的生产线正有序运转
2025-09-30 09:20:00
随着国庆与中秋双节同庆的长假来临，消费市场迎来了一年之中最炙手可热的“黄金销售季”。与以往不同的是，这个假期在旅游、探亲等传统主题之外
2025-09-30 09:22:00
在商业竞争日益激烈的今天，一座全新的商业综合体——蔚来城商业广场，即将于十一正式开门迎客。它的到来，为德州商业市场增添了新的变化
2025-09-30 09:24:00
鲁网9月29日讯（记者 杨勇）秋分时节，聊城市莘县升鑫金属制品有限公司的生产车间内，员工工作紧张有序，各种机器设备高效运转
2025-09-30 10:04:00
苏州2024年9月16日 -- 近日,瑞典家用电梯品牌Aritco瑞特科与全球知名设计媒体Dezeen设志在苏州联合举办了一场主题为"摒弃风格
2025-09-30 10:18:00
小微企业在传统银行承兑汇票（简称“银承”）业务办理中常常面临诸多难题。企业需要多次往返银行网点，提交大量纸质材料，流程烦琐
2025-09-30 10:45:00
9月28日，中国数据研究中心正式发布《2025中国月饼行业白皮书》及“2025中国月饼行业智造先锋奖”十强品牌榜单，吉林中之杰食品科技发展有限公司凭借其位于长春的智能新厂
2025-09-30 11:15:00
鲁网9月30日讯近日，省科技厅公布了2025年度科技型中小企业创新能力提升工程（先投后股类）项目名单，全市共4家企业入选
2025-09-30 11:16:00
近日，由国家数据局、山东省人民政府联合指导，山东省大数据局等21家单位联合主办的2025年“数据要素×”大赛山东分赛决赛获奖名单正式公布
2025-09-30 11:21:00
据人民日报报道，近期国家网信办指导多地网信部门，对微博、快手、小红书、今日头条等多家平台进行约谈，责令限期整改热搜热榜存在的问题
2025-09-30 12:33:00
齐鲁晚报·齐鲁壹点 记者 牟静萍 实习生 葛同同 当下，Z世代正在以其独特的消费观念、多元的兴趣取向和对精神体验的重视
2025-09-30 12:46:00
大皖新闻讯 算力作为数字经济时代的核心生产力，已成为城市竞争的关键赛道。“十四五”期间，芜湖紧抓“东数西算”国家战略机遇
2025-09-30 13:57:00
鲁网9月30日讯国庆中秋长假，历来是家庭消费，特别是家电消费的黄金周期。许多家庭会选择在此期间，集中完成筹划已久的家电焕新计划
2025-09-30 14:55:00