#评测/基准

#评测/基准

今日 15 条

9月28日星期一周一

GPT-6 Astra 完成税务工作簿速度提升两倍
9月28日OpenAI News模型模型发布评测/基准评分 35

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