2026.08.31 · 周一研究论文
←返回首页话题 · Topic
#benchmark
共 14 条相关资讯
2026.08.26 · 周三开源
Qwen3 工具调用实测：Ornith-1.5 与 Tiel-Coder 并列居首
2026.08.24 · 周一工具
Qwen3-27B macOS 推理横评：MTPLX 综合最快，llama.cpp+MTP 紧随其后
2026.08.18 · 周二开源
Muninn：可塞进手机的代码定位模型，配套新基准 Quarry
2026.08.18 · 周二行业动态
社区讨论：传闻 Qwen3.8 27B 性能逼近 GPT-5.6 Luna
2026.08.11 · 周二研究论文
AI 同行评审实测：100 处人为错误，最强单模型仅识别 71 处
2026.08.10 · 周一行业动态
具身智能「全球第一」满天飞：一场榜单、资本与刷分的三方合谋
2026.08.07 · 周五行业动态
Kimi K3 在 Harvey 法律基准上接近 Claude 两倍得分
2026.07.30 · 周四研究论文
Reka 视频推理模型：通过改进评测，赛事选手识别准确率从 39.6% 跃升至 90.9%
2026.07.30 · 周四研究论文
AI 评估的可投射性问题：benchmark 推断为何不能直接拼接
2026.07.25 · 周六工具
AWS 开源 aws-bench：面向 AI 智能体的云任务评测基准
2026.07.21 · 周二研究论文
DeepSWE：评估 AI 编程代理的新基准
2026.07.15 · 周三行业动态
Meta AI 模型亚洲物理奥赛理论考获满分 30/30
2026.07.08 · 周三研究论文