#模型评测

主题「模型评测」下共有 202 篇日报,第 4 / 4 页。

2026-07-21周二4 篇ClaudeTransformer强化学习
2026-07-19周日3 篇GPT-5.6模型评测
2026-07-18周六3 篇模型评测视频大模型AI 安全
2026-07-17周五1 篇模型评测
2026-07-16周四7 篇大模型大语言模型代码智能体AI 安全

开源统一多模态模型再进一步:Boogu-Image兼顾生成、编辑与双语文字

大模型 · 2 分钟

Boogu-Image-0.1以四个变体覆盖图像生成、快速推理和指令编辑,并尝试在有限算力下缩小与闭源系统的差距。

来源:Hugging Face Daily Papers

平均准确率没变,单题答案却翻转:无关上下文暴露大模型的尾部风险

大语言模型 · 4 分钟

新研究发现无意义伪词也能让少量样本预测翻转,整体升降相互抵消后,常规平均指标看不见这种不稳定。

来源:arXiv

把函数调用变成训练信号:FIM 中期训练提升代码智能体

代码智能体 · 2 分钟

研究利用普通代码中的函数依赖关系进行自监督中期训练,在多种模型与后训练流水线上提升代码智能体表现。

来源:Hugging Face Daily Papers

OpenAI 推出 GPT-Red:用自我对弈提升自动化红队能力

AI 安全 · 2 分钟

GPT-Red 通过自我对弈开展自动化红队测试,目标是改进模型安全、对齐以及提示词注入防护能力。

来源:OpenAI

模型更新未必改写优势格局:Hugging Face 博文信息仍有限

大语言模型 · 2 分钟

标题暗示新模型延续了既有优势,但缺少正文、评测对象与实验数据,目前无法判断结论的适用范围和可信度。

来源:Hugging Face Blog

端到端文档解析登顶公开榜单:OvisOCR2 仅有 0.8B 参数

模型评测 · 2 分钟

OvisOCR2 以 0.8B 参数直接将页面图像转为 Markdown,并在两项公开文档解析基准上取得最高成绩。

来源:Hugging Face Daily Papers

万亿参数 Zero RL 如何涌现推理:Ring-Zero 的规模化实验

强化学习 · 2 分钟

Ring-Zero 将可验证奖励的零数据强化学习扩展到 1T 参数,并报告训练阶段、样本效率与多类自发推理行为。

来源:Hugging Face Daily Papers
2026-07-15周三1 篇LLM-as-Judge
2026-07-14周二1 篇代码智能体