benchmark – 量子位

benchmark

o3-pro通关“推箱子”，人类怀旧小游戏成了大模型新Benchmark

测评负责人还是大模型竞技场顾问

克雷西 2025-06-17

benchmark

别让大模型被基准评估坑了！测试集乱入预训练，分数虚高，模型变傻

来自人民大学等最新研究

明敏 2023-11-09

benchmark 刷榜大语言模型

加载更多

热门文章

技术获 NVIDIA、Pi 双重认可！原力灵机 DM0 模型重塑具身智能新范式

高德发布全球首个由大模型驱动的视觉认知步行导引系统

Transformer作者重造龙虾，Rust搓出钢铁版，告别OpenClaw裸奔

彻底告别VE与VAE！商汤硬核重构多模态：砍掉所有中间编码器

2026年，AI初创全球化的「变与不变」｜沙龙招募