标签：测试
Claude时代终结？LMArena实测DeepSeek R1编程得分超Opus 4，但月暗称其新模型更胜一筹
在当今以闭源模型为主导的AI技术领域，开源项目DeepSeek的最新版本DeepSeek-R1（0528）在多个关键领域超越了Claude Opus 4和GPT-4.1等顶级商业模型，成为开发...
网页编程众测排名：DeepSeek-R1超越Claude 4加冕全球第一
DeepSeek新版R1在编程能力上取得了显著进展，尤其在网页编程领域，成功超越了Claude Opus 4，成为新的领军者。这一成就不仅展示了DeepSeek-R1-0528的强大性能...
重磅！泰瑞达与昂科技术达成战略合作，共握中国存储测试产业新变量
2025年6月17日，全球半导体自动测试设备领军企业泰瑞达与昂科技术正式签署战略合作协议，标志着半导体测试领域迈入新的里程碑。此次合作在深圳昂科技术总部举...
让大模型做高考题，结论没那么简单
随着高考结束，许多学生开始使用大模型来解答高考试题，结果显示大模型在这类任务上已经表现得非常熟练。这一现象引发了对未来高考防作弊难度的担忧，尤其是...
我让10个大模型又参加了完整版数学高考，第一名居然是它。。。
在最近的一次测试中，多个大模型参与了数学高考的模拟考试，旨在评估它们在复杂数学问题上的表现。测试涵盖了单选题、填空题和解答题，特别关注了AI在处理高...
AI疯狂进化6个月，一张天梯图全浓缩！30+模型混战，大神演讲爆火
在旧金山AI工程师世博会上，Simon Willison通过自创的「骑自行车的鹈鹕」图像生成测试，回顾了过去六个月大语言模型（LLM）的飞速发展。他亲测了30多款AI模型...
看好了，这才是7家大模型做高考数学题的真实分数。
最近，许多媒体都在讨论使用AI进行高考测试的话题。尽管最初并不打算参与这一讨论，但在看到一些关于AI进行数学考试的测试方法后，发现这些方法存在明显的不...
高通基带，吊打苹果C1？
高通公司资助的一项研究显示，搭载骁龙X75和X80调制解调器的安卓手机在5G速度测试中表现优于苹果的iPhone 16e。测试在纽约市T-Mobile的Sub-6GHz独立5G网络上...
解密NVIDIA团队的代理式AI技术实践
在数字化转型的背景下，代理式AI（Agentic AI）作为前沿技术，正在成为企业提升效率和优化决策的关键工具。NVIDIA团队通过多个实践展示了代理式AI在不同场景...
o3一张图锁定地球表面坐标，AI看图猜地点战胜人类大师，奥特曼：这是我的「直升机」时刻
ChatGPT通过一组公开的prompt，展示了其在看图猜地点任务中的惊人能力。在一系列测试中，ChatGPT不仅能够根据图像中的细节推断出大致的地理位置，甚至在某些...
