#评测/基准
#评测/基准
今日 12 条1月24日星期六周六
1月22日星期四周四
1月15日星期四周四
CoVal：从众包中学习价值观感知评分标准
推荐理由：CoVal 数据集通过收集大量用户对模型回答的偏好，为研究模型行为和偏好差异提供了新的工具，有助于理解不同人群对模型行为的期望，并指导更透明的 AI 系统开发。
12月31日星期三周三
12月28日星期日周日
12月23日星期二周二
12月18日星期四周四
12月5日星期五周五
ARC Prize 2025 结果分析：AI 推理系统与 refinement loops 的应用
推荐理由：ARC Prize 2025 的结果和分析揭示了 AI 推理系统的发展，以及 refinement loops 在 AI 推理中的应用，对 AI 行业具有重要意义。
11月26日星期三周三
11月23日星期日周日
11月19日星期三周三
11月18日星期二周二
11月12日星期三周三
11月4日星期二周二
ARC Prize 发布 ARC Prize Verified 计划
推荐理由：ARC PrizeVerified 程序通过第三方学术小组审计和开源测试流程，增加了对前沿系统评估的严谨性，读者可以关注其对 AI 领域评测的影响。
10月27日星期一周一
基于策略的蒸馏：LLM后训练的新方法
推荐理由：该研究提出了基于策略的蒸馏方法，结合了在线训练和密集奖励信号的优势，为LLM后训练提供了一种高效且可靠的方法。
10月5日星期日周日
10月1日星期三周三
9月30日星期二周二
9月12日星期五周五
9月5日星期五周五
8月29日星期五周五
8月25日星期一周一
8月19日星期二周二
8月17日星期日周日
8月14日星期四周四
8月11日星期一周一
8月5日星期二周二
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 模型
推荐理由：OpenAI 发布了 gpt-oss-120b 和 gpt-oss-20b 模型，展示了其在推理、编码和工具使用方面的能力，并进行了安全测试和评估。
8月3日星期日周日
7月23日星期三周三
Mistral AI 发布 AI 环境影响报告，推动行业可持续发展
推荐理由：Mistral AI 对其 LLM 的环境影响进行了首次全面生命周期分析，为 AI 行业的环境标准制定做出了贡献，读者可以关注这一进展及其对行业的影响。
7月21日星期一周一
6月22日星期日周日
6月5日星期四周四
测试了所有主要AI推理系统：没有明确的赢家
推荐理由：本文对多个AI推理系统进行了测试，分析了其优缺点，并提出了未来研究方向。
6月4日星期三周三
5月25日星期日周日
5月20日星期二周二
ARC-AGI-2：前沿 AI 推理系统的新挑战
推荐理由：ARC-AGI-2 作为一项新的基准测试，旨在评估 AI 系统的抽象推理和问题解决能力，为读者提供了了解当前 AI 系统能力与通用人工智能之间差距的视角。