#评测/基准

#评测/基准

今日 14 条

9月27日星期日周日

SAIL：Sakana AI 与东京大学联合提出的机器人轨迹生成方法
9月27日Sakana AI论文论文/研究开源/仓库评分 42

9月26日星期六周六

OpenAI 安全事件发酵，或损害 Jensen Huang 声誉
9月26日Gary Marcus观点评测/基准安全/对齐评分 45

9月25日星期五周五

Meta的Muse个人助手领先个人智能代理竞赛
9月25日Newcomer产品产品更新现象/趋势评分 45
LangSmith Engine v2 发布：自动化测试与红队测试功能升级
9月25日LangChain Blog产品产品更新评测/基准评分 45

9月24日星期四周四

ClusterMAX 3.0：行业标准的 GPU 云服务评级系统回归
9月24日SemiAnalysis产品产品更新评测/基准评分 70
Jev 模型比 GPT Luna 6 快 13.6 倍且便宜 2.7 倍，适用于 Tessl 验证器
9月24日Tessl模型模型发布评测/基准评分 40
SWE-Serve 检测 AI 编码代理：本地测试与实际部署差距
9月24日NVIDIA Technical Blog论文评测/基准开源/仓库评分 35

9月23日星期三周三

Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 发布，为音频生成带来更多可能性
9月23日Google DeepMind产品产品更新模型发布评分 45
OpenAI 推出 MentalHealthBench 评估心理健康对话中的 AI 响应
9月23日OpenAI News模型模型发布评测/基准评分 42
Newcomer 发布 VC 情感报告：硅谷顶级风险投资家的真实看法
9月23日Newcomer观点大佬观点行业动态评分 40
NVIDIA Confidential Computing 实现私有高性能 AI 推理
9月23日NVIDIA Technical Blog模型安全/对齐产品更新评分 45

9月22日星期二周二

Epoch AI JS Denain 讨论RSI、中美差距与AI发展
9月22日Interconnects (Nathan Lambert)观点大佬观点评测/基准评分 35
NVIDIA DLSS 5 3D-Guided Neural Rendering发布，NVIDIA ACE更新及RTX Kit新功能
9月22日NVIDIA Technical Blog产品产品更新开源/仓库评分 35
英国人工智能安全研究所和 EvalEval 如何使基准结果可重复
9月22日Hugging Face Blog论文评测/基准开源/仓库评分 57
OpenAI 发布前沿模型第三方安全评估优先级和原则
9月22日OpenAI News模型模型发布安全/对齐评分 37
如何从工具调用到任务完成评估 AI 智能体
9月22日NVIDIA Technical Blog教程教程/实践评测/基准评分 25
"Andrew Ng指出，近期AI风险 hype 过度，AI技术仍在进步，对人类灭绝的风险未增加。他强调，AI风险主要在于工程实践，而非不可逾越的障碍。AI公司应承担起责任，而非将责任推给AI代理。"
9月22日Andrew Ng观点大佬观点评测/基准评分 45

9月21日星期一周一

OpenAI 与独立顾问团合作，指导人工智能成果审查与沟通
9月21日OpenAI News模型模型发布开源/仓库评分 17
SAML：一个糟糕设计的分形
9月21日Trail of Bits观点评测/基准开源/仓库评分 45

9月19日星期六周六

OpenAI 和 Anthropic 的 AI 前沿实验室与 RSI（递归自我改进）的争议
9月19日Interconnects (Nathan Lambert)观点大佬观点评测/基准评分 45
Dario Amodei 七天内三次失去信誉的事件
9月19日Gary Marcus观点大佬观点评测/基准评分 20
《特朗普支持AI的真正原因——以及为何这可能是个糟糕想法的最新例证》
9月19日Gary Marcus观点大佬观点评测/基准评分 35
AIPerf 测试大规模 LLM 推理性能
9月19日NVIDIA Technical Blog模型评测/基准评分 25

9月17日星期四周四

Olmo 3 开源模型评估游戏揭示的社交行为引导
9月17日Ai2模型模型发布开源/仓库评分 45
Weaviate 1.39 版本引入 4 位旋转量化技术
9月17日Weaviate Vector DB Blog模型模型发布开源/仓库评分 45
"金融科技领域：89家AI初创企业引领变革"
9月17日Newcomer金融行业动态现象/趋势评分 42
TensorRT Edge-LLM 在 Jetson AGX Thor 上完成 MLPerf Edge Agentic 基准测试，速度提升 6.4 倍
9月17日NVIDIA Technical Blog模型模型发布评测/基准评分 40
OpenAI 与 AARP 联合举办 ChatGPT 工作坊助力老年人学习 AI 技能
9月17日OpenAI News产品教程/实践开源/仓库评分 35

9月16日星期三周三

医疗和生命科学领域智能体发展分析：从Madrigal Pharmaceuticals、Abridge和Vizient的案例看趋势与挑战
推荐理由：文章深入探讨了医疗和生命科学领域智能体的发展，分析了成功案例和行业趋势，对读者了解该领域的发展具有重要意义。
9月16日LangChain Blog行业产品更新 Agent精选评分 62
Dense 与 MoE 模型：激活参数、吞吐量及选择时机
9月16日NVIDIA Technical Blog模型模型发布评测/基准评分 35
NVIDIA Groq 3 LPX 确定性执行驱动 NVIDIA Vera Rubin 平台高效推理
9月16日NVIDIA Technical Blog模型产品更新评测/基准评分 32

9月15日星期二周二

1Password AI补丁基准测试报告存在误导
9月15日Trail of Bits观点评测/基准安全/对齐评分 45

9月12日星期六周六

英伟达的“安全网”：AI投资背后的资金流动与风险分析
9月12日SemiAnalysis行业行业动态评测/基准评分 45

9月11日星期五周五

OpenAI & Anthropic 探索网络安全新机遇：AI 风险引发关注，模型安全与网络安全并重
9月11日Newcomer行业安全/对齐行业动态评分 45
ChatGPT Images 2.5 发布，OpenAI 推出 GPT-Image-2.5 新版本
9月11日Deep Learning Weekly模型模型发布开源/仓库评分 40
NVIDIA Full-Stack NIM 优化在 Nemotron 3 Ultra 上实现 2.5 倍用户量
9月11日NVIDIA Technical Blog模型产品更新评测/基准评分 30

9月10日星期四周四

Windows 11 Prism 二进制翻译器性能分析
9月10日Chips and Cheese产品产品更新评测/基准评分 40
MiniMax M3在AMD Instinct MI355X上的优化与性能提升
9月10日vLLM Team Blog模型模型发布评测/基准评分 45

9月9日星期三周三

Lean 4.33.1 中的 Lean bug 或许让费马大定理的证明“塞进”了边角
9月9日Trail of Bits论文论文/研究开源/仓库评分 25
Goodfire 利用 Ai2 开源后训练堆栈追踪不期望的模型行为
推荐理由：Goodfire 利用 Ai2 的开源后训练堆栈展示了如何通过预测和追踪模型行为来提高模型的可解释性和安全性。
9月9日Ai2模型论文/研究 Agent精选评分 67