#AI基准测试

7 stories · 0 in 7 days · 1 in 30 days

Stories, products and papers tagged "AI基准测试", newest first.

Sep 30

Artificial Analysis在首尔办了场AI聚会，有美国专家讲任务成本，SK电信和TrillionLabs展示了他们的AI模型进展。

官方账号Artificial Analysis@ArtificialAnlysSource

Sep 19

Andreessen Horowitz 资助的 Vals AI 要做 AI 基准测试平台，能更中立地评估模型性能，和现在很多公司自己做的测试比更可信。

techcrunch@Lucas RopekSource

Sep 10

IBIB协议解决了企业AI系统评估的测量误差问题，提供了新的评估方法和算法，对AI系统开发者很有参考价值。

arXiv cs.LG@Blake Stenstrom et al. (3)Source

Benchmark和Vercel联手搞AI基准测试，看看哪家模型更靠谱，帮你选对工具。

Guillermo Rauch@rauchgSource

Sep 4

Apodex发布了包含218个测试场景的AI基准平台，首批聚焦生物医学等三大领域，提供真实世界问题评估。

elvis@omarsar0Source

Apodex新出的TRACES基准，专门测AI在答案不确定时的发现能力，对研究型智能体很重要。

elvis@omarsar0Source

Jun 29

Opus 4.7只用14小时和251块就干完了人类几周的活，虽然还有瑕疵，但进步真的快。

Ethan Mollick@emollickSource