牛津大学互联网研究所联合30多位科研人员的最新研究表明，当前用于评估人工智能系统性能的基准测试普遍存在夸大AI能力、缺乏科学严谨性的问题。研究团队系统分析了445项主流AI基准测试，发现约半数测试未能明确定义测量目标，且过度依赖重复数据与陈旧方法。
研究指出，被视为行业标准的GSM8K数学推理测试等基准，其测量结果与AI实际能力存在显著偏差。共同第一作者亚当・马赫迪强调，许多测试实际测量的内容与宣称目标严重不符。该研究提出八项改进建议，包括明确定义评估范围、构建更具代表性的任务组合等，旨在提升AI评估体系的透明度与可信度。
免责声明：本文内容由开放的智能模型自动生成，仅供参考。
2026年1月13日,淘宝网宣布拟调整《"坏单包退"服务规范》。新规将于1月14日起正式生效,主要针对生鲜活体死亡、冷冻食品化冻等特殊品类,优化售后发起时效。此次变更是为提升消费者体验,促进生鲜...
资深人工智能研究员Andrew Dai表示,在谷歌DeepMind任职14年后,他近期已离职并将创办一家新的初创企业,专注于研发可同步理解和处理文本、图像、视频及音频数据的人工智能模型。Dai以及另一位知...
1月12日,加拿大体育用品公司Lululemon宣布,公司目前预计2025财年第四季度净营收和摊薄后每股收益将接近此前指引范围的高端,此前净营收指引范围为35亿至35.85亿美元,摊薄后每股收益指引范围4.6...
2026年1月13日,美客多(Mercado Libre)宣布为已入驻巴西市场的中国卖家推出中文账户经理专属支持服务。该服务面向已开设巴西本土店铺并使用海外仓的中国商家,提供运营指导、活动提报、FULL仓资...
2026年1月13日,雷蛇在CES 2026上推出Iskur V2 X NewGen游戏座椅。该座椅面向身高160~190cm、体重136kg内的用户,采用内置腰靠支撑系统、2D扶手与蝴蝶托盘设计。新品升级为第二代雷蛇EPU皮革,具...
星环聚能宣布完成A轮融资,融资金额10亿元。本轮融资由上海国投公司旗下上海科创集团、上海未来产业基金领投,中金资本、上海嘉定科投集团联合领投,中银资产、曦晨资本、武岳峰科创、龙格科技、...
硅基集成技术企业江苏矽谦半导体有限公司宣布完成亿元级战略融资,本轮由扬州杨柳恒辉股权投资合伙企业(有限合伙)投资。本轮融资将用于加速技术迭代、提升量产能力与拓展市场应用。
日前,成都赜灵生物医药科技股份有限公司宣布完成近6亿元人民币C轮融资。本轮融资由淡马锡旗下全资子公司淡明资本和启明创投共同领投,腾讯投资、蓝驰创投、建发新兴投资、上海科创基金跟投；现...
1月12日,通用机器人公司未来不远(Futuring Robot)宣布完成2亿元的天使轮融资。本轮融资由真格基金领投,联新资本、源来资本及掌门部分老股东跟投,累计融资额2亿元。资金将主要用于家庭通用机器...
当地时间1月11日,以色列网络安全初创公司Torq宣布完成1.4亿美元D轮融资,公司估值12亿美元,总融资额达到3.32亿美元。本轮融资由Merlin Ventures领投,Evolution Equity Partners、Bessemer Vent...
2026年1月13日,段永平在社交平台回应网友关于泡泡玛特的提问时表示,虽认可其商业模式的成功,但仍难以理解其产品需求。他指出,泡泡玛特的消费属于情绪驱动型,类似奢侈品和艺术品,具有潮流迭代...
2026年1月12日,科技媒体曝出英特尔Arc B370核显的首批PassMark跑分数据,得分为8558分。作为酷睿Ultra Series 300处理器的中端型号,B370搭载10个Xe3核心,频率2.4GHz,性能较旗舰B390低约10%,但...
2026年1月13日,中科酷原宣布完成新一轮近亿元战略融资,由中国移动链长基金独家投资。中科酷原是一家具备原子量子计算与量子精密测量研发能力的科技企业,致力于推动量子技术的产业化应用。公司...
2026年1月13日,YouTube科学博主LabCoatz宣布通过一年研究,借助质谱仪等设备分析并成功仿制可口可乐的"天然香料"成分。分析显示,饮料99%以上成分为糖、咖啡因和磷酸,核心香料不足1%。关键突破...
2026年2月1日起,Shopee马来西亚站将上调本土普通卖家佣金费率。订单金额不超过40令吉的部分,佣金从2.24%升至3.29%,超过40令吉部分从2.28%升至3.31%。服务费率则由4%下调至3%。此次调整仅适用...
2026年1月,据消息显示,英特尔即将推出的Nova Lake处理器将搭载Xe3P架构核显,性能较前代Panther Lake的Xe3架构提升20%至25%。此前,Xe3架构在1080p测试中已超越AMD Radeon 890M达82%,接近60W RT...
扫一扫关注微信