人工智能评估机构Artificial Analysis最新推出AA-Omniscience基准测试体系，该体系针对40余个专业领域的大语言模型知识储备与幻觉现象进行系统性评估。测试结果显示，在关键指标上仅有三个模型能够保持正确回答率高...

近日，数据工程领域开展了一项重要的性能基准测试，针对当前主流的四大数据处理框架——Polars、DuckDB、Daft和Spark，在亚马逊S3存储的650GB Delta Lake数据集上进行了全面对比。测试聚焦于现代数据架构中的关键性能...

中国人工智能实验室月之暗面（Moonshot AI）近日开源其革命性推理模型Kimi K2，在关键基准测试中展现出与国际顶尖模型的竞争实力。该模型在衡量综合认知能力的‘人类终极考试’（Humanity's Last Exam）中取得44.9%的...

中国人工智能实验室月之暗面（Moonshot AI）最新推出的Kimi K2 Thinking模型，以其创新的混合专家（MoE）推理架构引发行业关注。该模型在Humanity's Last Exam综合能力测评和BrowseComp浏览理解基准测试中，部分指标...

Ruby官方推出的Benchmark模块为开发者提供了专业的代码性能分析解决方案。该工具通过精确测量代码片段的执行时间，生成包含用户CPU时间、系统CPU时间和实际运行时间的多维报告，帮助开发者定位性能瓶颈。在当今追求...

通义DeepResearch作为全新开源的Web智能体，在综合基准测试中展现出与OpenAI DeepResearch相媲美的性能水平。该项目专为解决长周期、深层次信息检索任务而设计，通过模块化架构实现了对复杂研究流程的自动化处理。其...

近日，GitHub上开源项目TOON（Token-Oriented Object Notation）引发开发者社区广泛关注。这一由开发者johannschopplich推出的新型数据格式，专为大语言模型（LLM）输入优化设计，通过精简的结构化数据表示方式，显...

近日，研究团队推出开创性基准平台World-in-World，这是首个专门针对闭环交互环境设计的开放评测框架。该平台突破传统世界模型仅关注视觉保真度的局限，将评估核心转向具身智能体在动态环境中的任务完成能力。通过构...