搜索关键词 评测方法
Industry
芯片厂商重塑AI代理评测：单看TOPS和跑分已不够
随着AI代理从单轮问答转向多步骤任务执行，芯片厂商正推出更贴近实际负载的评测体系，不再只看理论算力和单项跑分，而是将端到端优化、内存带宽、软件适配及可复测性纳入考量。Arm则发布了面向Agentic AI的CPU评测方法，并披露与AMD服务器芯片的对比结果。
Games & Commerce
Kakao联手人工智能安全研究所共建AI安全评测体系
Kakao与人工智能安全研究所签署合作协议，双方将围绕Kakao自研AI模型和AI代理开展联合安全评测，并共同建立AI安全评测体系。相关合作将分三个阶段推进，先从语言模型上线前后评测入手，再逐步覆盖多模态模型和AI代理，长期目标是联合开发可复用的安全评测工具。
AI & Enterprise
Xenon开源Hunmin VLM 397B，主打屏幕识别与电脑操作能力
生成式AI解决方案公司Xenon宣布开源视觉语言模型Hunmin VLM 397B。该模型基于Qwen3.5-397B打造，重点强化屏幕识别和电脑操作能力，在ScreenSpot-Pro测试中获得75.6分，位列Hugging Face榜单第2位；在OSWorld测试中取得70.5分，较基座模型提升22.3分。Xenon同时公开原版模型、FP8版本及配套开发与评测方法。
-
AI & Enterprise
AIM Intelligence发起成立全球物理AI安全联盟PASC
-
AI & Enterprise
DeepSeek发布V4.1 Flash：设计评测逼近GPT-6 Astra，成本仅为后者1.4%
-
AI & Enterprise
韩国独立AI基础模型项目第二阶段评分明细公布：Motif总分仅落后LG AI Research 3.2分
-
AI & Enterprise
RLWRLD联手NVIDIA制定下一代人形机器人AI开放标准
-
AI & Enterprise
KAIST与Microsoft Research研发大语言模型时间推理自动评测诊断系统
-
AI & Enterprise
斯坦福团队发现医疗视觉AI评测漏洞：无影像输入仍会生成诊断