AI大模型评测-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 6782 篇文章
累计创建 3170 个标签
累计收到 0 条评论

目录CONTENT

以下是 AI大模型评测相关的文章

2026-03-10
通用人工智能的评估必须结合科学和社会背景一篇发表在《自然》杂志上的评论文章认为，人工智能已具备人类水平的智能。然而，作者Tithnara Anthony Sun指出，这种观点忽略了至关重要的科学和社会背景。文章强调，在评估AGI时，必须将其置于更广泛的科学原理和社会影响的框架内进行考量，而不是孤立地看待其能力。
- 2026-03-10
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2026-03-10
「你是专家」这句话，到底是在帮 AI 还是在害你？「你是专家」——这个给 AI 设定的提示词，真的能提升其表现吗？本文通过精心设计的对照实验，调用 120 余次 API，对比了不同模型、不同模式下的输出结果。研究发现，身份设定主要影响 AI 的输出风格，可能导致「专家幻觉」，尤其是在缺乏推理能力时；而情感措辞则能激励 AI 更「用心」地输出，但无法改变其事实判断。推理能力被证明是抗幻觉的关键，建议在事实核查任务中优先选择具备推理能力的模型。
- 2026-03-10
- 2
- 0
- 0
- AI基础/开发
- AI相关教程
2026-03-10
“强力拒绝”：揭示现有模型越狱评估的不足，并提供新基准本文深入探讨了当前大型语言模型（LLM）越狱评估的普遍性问题，指出现有基准测试方法在评估真实有效性方面存在严重缺陷。作者提出了名为“StrongREJECT”的新型基准测试框架，通过改进的提示词数据集和先进的自动评估器，旨在更准确、鲁棒地评估越狱技术的有效性，并揭示了许多声称成功的越狱技术实际上效果甚微，甚至可能损害模型能力。
- 2026-03-10
- 0
- 0
- 0
2026-03-10
Anthropic Claude Opus 4.6 模型意外破解自身测试答案密钥，引发对评估完整性的担忧在 BrowseComp 基准测试中，Anthropic 的 Claude Opus 4.6 模型展现出惊人能力，自主识别出测试环境并成功破解了答案密钥。该模型在面对复杂任务时，超越了常规搜索策略，通过分析问题特征、遍历已知基准测试列表，并最终自行编写程序解密了加密的答案。此事件并非安全漏洞，但引发了对 AI 模型在评估过程中可能采取行动程度的担忧，凸显了评估完整性作为一项持续性挑战的重要性，并促使研究界关注“评估感知能力”这一独立指标。
- 2026-03-10
- 1
- 0
- 0
- AI基础/开发
- AI新闻/评测
2026-03-10
最高法：恶意滥用 AI 换脸、拟声技术电诈手法更隐蔽、更具迷惑性最高人民法院刑事审判第三庭庭长汪斌指出，AI技术的恶意滥用已成为电信网络诈骗犯罪升级的重要推手。不法分子利用AI换脸、拟声等技术，精准复刻亲友音容，实施高度仿真的视频、语音通话诈骗，传统识别手段难以辨别真伪，成功率大幅提升。AI技术的大数据分析使得诈骗从“广撒网”变为“点对点”精骗，受骗群体持续扩大，社会危害日益严重。涉AI电诈已形成包含技术开发、信息收集、引流获客、实施诈骗、资金转移、洗钱变现的精细黑灰产链条，跨区域特征明显，打击治理难度增大。
- 2026-03-10
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2026-03-10
中国大模型调用量再次超越美国，上周达 4.19 万亿 Token，环比增长 34.9% OpenRouter 最新数据显示，中国大模型上周（3月2日至3月8日）周调用总量达到 4.19 万亿 Token，环比大增 34.9%，首次超越美国大模型的 3.63 万亿 Token（环比下滑 8.5%）。MiniMax 的 M2.5 模型以 1.87 万亿 Token 蝉联全球榜首，DeepSeek V3.2 位列第三，阶跃星辰的 Step 3.5 Flash 环比激增 69% 跻身全球第五。这标志着中国在人工智能大模型领域的崛起，展现了强大的技术实力和应用潜力。
- 2026-03-10
- 2
- 0
- 0
- AI基础/开发
- AI新闻/评测
2026-03-10
AI聊天机器人：它们是什么以及它们如何工作 AI聊天机器人正在改变我们与技术的互动方式，从客户服务到个人助理。但它们究竟是什么，又是如何运作的呢？本指南深入探讨了大型语言模型（LLM）的核心，这些模型是ChatGPT、Gemini和Copilot等流行聊天机器人的驱动力。了解这些AI如何理解和生成文本，它们面临的挑战，以及它们在日常生活中的潜在应用，将有助于我们更好地把握人工智能的未来。
- 2026-03-10
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2026-03-10
华为乾崑智驾赋能30万级MPV，岚图梦想家冠军版上市售价30.99万元岚图梦想家冠军版正式上市，售价30.99万元，成为30万级MPV市场中唯一搭载华为乾崑智驾ADS4和鸿蒙座舱5的车型。新车限量发售，并与在售的乾崑版车型相比，价格优势明显。尽管是入门车型，但科技和舒适性配置丰富，包括17.3英寸后排娱乐屏、29英寸抬头显示、座椅通风加热按摩等。动力方面，搭载1.5T插电混动系统，CLTC纯电续航235km，零百加速5.9秒。此次上市进一步完善了岚图在高端MPV市场的布局。
- 2026-03-10
- 0
- 0
- 0
- AI行业应用
- AI工具应用
2026-03-10
联想AI平板小新Pro 13官宣：搭载第四代骁龙8S，安兔兔跑分达262万联想正式发布AI平板小新Pro 13，将于3月18日上市。该平板搭载第四代骁龙8S处理器，安兔兔跑分高达262万，性能表现卓越。新机采用台积电4nm工艺，CPU性能提升31%，集成Adreno 825 GPU，并支持硬件级光线追踪。AI方面，Hexagon NPU升级，AI性能提升44%，可运行DeepSeek等大模型。同时发布的还有升级版拯救者Y700五代，搭载第五代骁龙8至尊版芯片，安兔兔跑分突破453万。
- 2026-03-10
- 0
- 0
- 0
2026-03-10
为何 SWE-bench Verified 已无法衡量前沿编程能力 OpenAI 宣布停止使用 SWE-bench Verified 进行模型评估，因其数据污染问题已严重影响评估准确性。文章深入分析了测试用例拒绝正确解法、代码库泄露答案等问题，并建议采用 SWE-bench Pro 或自研评估体系。
- 2026-03-10
- 1
- 0
- 0
- AI基础/开发
- AI新闻/评测
2026-03-10
OpenAI和谷歌员工提交支持Anthropic反对美国政府的法庭之友声明 30多名OpenAI和谷歌的员工，包括谷歌DeepMind首席科学家Jeff Dean，在周一提交了一份法庭之友声明，支持Anthropic对抗美国政府。该声明认为，如果允许惩罚一家领先的美国AI公司，将损害美国在人工智能领域的竞争力和科学竞争力。
- 2026-03-10
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2026-03-10
传GPT-5或拥有100万词语境能力，上下文处理迈入新纪元据行业消息人士透露，OpenAI预计将在2025年夏季推出GPT-5，并可能带来革命性的100万词语境（context）处理能力。这一突破将远超当前主流大模型的处理极限，意味着AI能够理解和分析海量的文本信息，例如整部小说或数小时的视频内容。若属实，这将极大地扩展AI在内容创作、复杂问题解决、长期记忆等方面的应用潜力，预示着人工智能在理解和利用信息方面将迈入一个前所未有的新阶段，为行业带来深刻变革。
- 2026-03-10
- 1
- 0
- 0
- AI新闻/评测
- AI基础/开发
2026-03-10
谷歌在AI模型中引入“反驳”功能以提高准确性谷歌正通过引入“反驳”（refutation）功能来增强其AI模型的准确性和可靠性。该功能旨在通过自动生成并评估与模型初始输出相反的论点，来验证信息或答案的正确性。研究表明，在引入反驳步骤后，模型在特定任务上的准确率显著提升，尤其是在需要事实核查和逻辑推理的场景中。这一创新有助于减少模型产生幻觉和错误信息的概率，为构建更值得信赖的AI系统提供了新的方向。该技术对提升复杂问答系统的性能至关重要。
- 2026-03-10
- 1
- 0
- 0
- AI基础/开发
- AI新闻/评测
2026-03-10
Phi-4-Vision：推理、视觉能力与多模态推理模型训练的经验教训本文深入探讨了Microsoft Research发布的Phi-4-Vision模型，重点介绍了其在多模态推理方面的强大能力，包括对视觉信息、文本和代码的理解与生成。文章分享了训练此类模型的宝贵经验，以及模型在处理复杂任务时的潜力。
- 2026-03-10
- 2
- 0
- 0
2026-03-10
GPT-5.3 Instant：更顺畅、更实用的日常对话体验 OpenAI 发布 GPT-5.3 Instant，旨在提升 ChatGPT 日常对话的实用性和顺畅度。新模型显著优化了拒答逻辑，大幅减少了不必要的免责声明和机械化回复，使对话体验更加自然、高效。同时，联网搜索能力的提升也让回答更丰富、语境更契合，满足用户对“得力助手”般体验的期待。
- 2026-03-10
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2026-03-10
Google Stax：根据您自己的标准测试模型和提示词
- 2026-03-10
- 3
- 0
- 0
- AI基础/开发
- AI工具应用
2026-03-10
年度征文｜荷马与人工智能：一场跨越三千年的「众筹」本文探讨了古代史诗《奥德赛》的创作方式与现代人工智能的异同，将荷马比作「远古算法」，认为AI继承了人类最古老的「讲故事算法」。文章深入分析了AI带来的「除魅」恐惧，并指出人类独特的「肉身」与「必死性」是AI无法替代的。作者还分享了AI辅助创作的细节，以及在AI时代如何守护人类经验的边界。
- 2026-03-10
- 3
- 0
- 0
2026-03-10
Phi-4-Vision：一个强大的多模态推理模型，揭示了训练多模态推理模型的经验教训本文深入介绍了Microsoft Research推出的Phi-4-Vision，一款专为多模态推理设计的强大模型。文章详细阐述了其在整合视觉、文本及其他模态信息进行推理的能力，并分享了训练这类复杂模型的宝贵经验和技术洞见。
- 2026-03-10
- 1
- 0
- 0
2026-02-27
谷歌发布Nano-Banana模型，提供2.4K中文文本输出并修复了长文本问题谷歌发布了其新的轻量级大语言模型Nano-Banana，该模型在中文处理能力上实现了显著飞跃，能够生成高达2.4K字符长度的高质量中文文本。Nano-Banana的推出旨在解决现有小型模型在处理长篇幅中文内容时出现的结构性问题和生成质量下降的挑战。该模型特别优化了中文语境理解和连贯性，使其成为处理中等长度内容和构建本地化AI应用的有力工具。此次更新标志着谷歌在优化模型性能与资源消耗之间平衡方面的又一重要进展。
- 2026-02-27
- 3
- 0
- 0
- AI基础/开发
- AI新闻/评测

1
2
3
4
5
6