Search

Results for “benchmark”

Total 63 articles

深度|对话OpenAI推理教父:为什么说现有的Benchmark让我们严重低估了AI能力?

深度|对话OpenAI推理教父:为什么说现有的Benchmark让我们严重低估了AI能力? (opens in a new tab)

本期播客,No Priors 请来了一位在 AI 推理领域被业内称为「教父级」人物的研究者Noam Brown。他是 OpenAI 的研究科学家,也是推动「test-time compute scaling」成为行业主流方向的关键人物之一。从扑克 AI 到前沿大模型的评估方法论,Brown 的研究轨迹几乎与整个行业对「推理」认知的升级同步。

AI news
0
开源模型亟需另开一桌

开源模型亟需另开一桌 (opens in a new tab)

葬 AI 在这篇评论中质疑综合榜单与实际使用体验之间的落差,主张围绕真实任务、速度与成本构建细分评测,并计划发起开源 Benchmark 社区。文章对厂商和榜单的判断具有鲜明个人立场,社区成果仍待陆续发布,不应把评论性归因当作已证实的行业事实。

AI news
0