你正在做的大模型评测，可能有一半都是无用功 | 上海AI Lab&上交&浙大出品
你正在做的大模型评测，可能有一半都是无用功 | 上海AI Lab&上交&浙大出品评估多模态AI模型的那些复杂测试，可能有一半都是“重复劳动”！
来自主题: AI技术研报
10527 点击 2025-03-19 10:37
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
评估多模态AI模型的那些复杂测试，可能有一半都是“重复劳动”！
近段时间，著名 AI 科学家 Andrej Karpathy 提出的氛围编程（vibe coding）是 AI 领域的一大热门话题。简单来说，氛围编程就是鼓励开发者忘掉代码，进入开发的氛围之中。更简单地讲，就是向 LLM 提出需求，然后「全部接受」即可。
「AI 届春晚」过去以来一直是 GTC 的外号之一，但在 GTC 2025 的开幕主题演讲中，这个梗被英伟达创始人、爱穿皮衣的老黄「偷了」。「我觉得 GTC 已经变成了 AI 界的超级碗」
今年年初，OpenAI 上线 Deep Research，开启了智能体又一新阶段，其能根据用户需求自主进行网络信息检索、整合多源信息、深度分析数据，并最终为用户提供全面深入的解答。
文生图技术在全球范围掀起的热潮，让无数用户惊叹科技强大的同时，也开始陆续拥抱AI，沉浸于高效、趣味创作之中。特别是在许多社交媒体上，时常能看到人们通过AI创作出的创意内容。
3 月 18 日上午，字节跳动豆包大模型部门（Seed）召开全员会，由负责模型应用相关工作的朱文佳，与新近加入的负责 AI 基础研究探索工作的吴永辉共同主持。两人谈到了未来的目标，明确 Seed 部门的最重要目标是探索智能上限；同时强调进一步加强组织文化，提高技术开放程度，并考虑推进开源。
AI 大神 Andrej Karpathy 在今年 2 月提出的概念——「Vibe Coding」，如今正在硅谷走红。
25年开年以来，AI发展如火如荼，DeepSeek R1、OpenAI CUA、Manus等重要创新层出不穷，眼花缭乱。这里我将最近一个月以来的思考总结一下，对25年AI发展趋势做几点预判。
对于很多想用 AI 开发产品但不知道做什么的朋友来说，AI导航网站是很好的选择，因为：1. AI热度大，市场需求大，你做的 AI 导航网站就有更大可能被人用上
在一轮轮 AI 基础建设起来之后，目前率先卷起来的应用场景，是「深度研究」。