AI基准测试集体塌房,最高84%都是坏题 |斯坦福最新研究
AI基准测试集体塌房,最高84%都是坏题 |斯坦福最新研究基准测试(Benchmarks)在人工智能的发展进程中扮演着至关重要的角色,构成了评价生成式模型(Generative Models)性能的事实标准。对于从事模型训练与评估的AI研究者而言,GSM8K、MMLU等数据集的数据质量直接决定了评估结论的可靠性。
基准测试(Benchmarks)在人工智能的发展进程中扮演着至关重要的角色,构成了评价生成式模型(Generative Models)性能的事实标准。对于从事模型训练与评估的AI研究者而言,GSM8K、MMLU等数据集的数据质量直接决定了评估结论的可靠性。
最近 AI 音乐圈的大新闻是一个接一个,但今天这个,简直就是核弹级的!那个让无数人又爱又恨的Suno,和音乐巨头华纳音乐集团(WMG),居然官宣合作了!你没听错,是合作!而且是全球首个大型“正版授权 AI 音乐”合作框架!这可不是小打小闹,这意味着 AI 音乐的“野蛮生长”时代可能要翻篇了。
近期,一支来自美国哈佛大学和美国斯坦福大学等联合团队真的做到了——他们集成 40 余种衰老时钟模型开发了一个名为 ClockBase Agent 的平台,让 AI 在 200 万份人类和小鼠的分子组学数据里“挖宝”,并找出了超过 500 种可能让生物年龄倒退的干预措施。
国内领先的 AI 资产管理平台「无破科技」宣布完成数千万元 Pre-A和Pre-A+ 轮融资,分别由险峰长青和苏州国资投资,心流资本FlowCapital担任本轮和长期财务顾问 。融资资金将主要用于AI资产管理智能体的深化研发、产品迭代和市场拓展,真正实现企业资产的搜索、分析、处置的AI化,进一步巩固公司在债务重组与企业资产服务领域的核心竞争力。
“这个世界上或许不需要再多一个能帮你生成报告和PPT的工具,但需要一个真正关心你生活的存在”。Macaron AI创始人&CEO陈锴杰说道。
快手直播间的 AI 礼物是如何诞生的?
脑机接口(Brain-Computer Interface, BCI)被视为连接人类智能与人工智能的终极界面。要真正实现这一愿景,核心在于高精度的脑信号解码,即让通用 AI 模型能够真正「读懂」复杂多变的脑活动。
由Anysphere 的 Cursor 和 Anthropic 的 Claude Code 等 AI 编程工具共同创造的收入已突破 31 亿美元。据直接了解 Cognition 财务状况的人士透露,这其中包括 Cognition 的 Devin 编程代理产生的近 4 亿美元年化收入——这一数字此前未被报道过。
AI闹推出了新栏目 AI 实践派(AI Practitioners)
Xsignal AI Holo(AI 全息)数据库显示,中国移动互联网的AI落地已彻底分化为两条路径:以微信、抖音的AI搜索为代表的“AI Overview (AIO)”旨在筑起认知的长城,将决策锁定在生态内部;而以QQ浏览器QBot为代表的“Agent in App (AIA)”则正演变为主动式的“数字员工”,重构服务分发的主权。