近日，开发者通过Google AI Studio的A/B测试功能，意外捕捉到尚未正式发布的Gemini 3.0模型踪迹。该测试以SVG矢量图形生成作为核心评估标准，通过对比不同版本模型的输出质量，间接验证了新一代模型在复杂结构化数据...

OpenAI最新发布的GPT-5 API展现出突破性特性——该模型成为首个具备实时时间感知能力的大型语言模型。这一技术演进引发学术界高度关注，因为当模型知晓当前日期时，能够识别出自身正处于测试环境中。研究表明，AI模型...

谷歌开发者博客正式宣布Genkit Go 1.0开源AI开发框架达到生产就绪状态，这是专为Go语言打造的企业级AI应用开发解决方案。该框架支持快速构建、测试和部署生成式AI应用，集成了Firebase、Google Cloud等云服务生态。...

这篇技术长文系统性地剖析了大语言模型（LLM）的后训练完整生命周期，涵盖了监督微调（SFT）、奖励建模（Reward Modeling）以及强化学习方法（如RLHF）三大核心阶段。作者不仅详细阐述了如何通过人类反馈的强化学习...

OpenAI与Anthropic近日达成一项突破性合作，双方开放内部API接口进行交叉安全测试，旨在通过第三方视角发现彼此模型评估中的盲点。这一举措标志着AI行业从封闭式自查向开放式协作安全验证的重要转变。通过技术互鉴，...

最新研究发现，知名聊天机器人竞技平台Chatbot Arena的基准测试存在系统性偏差，主要源于未公开的私有测试和选择性数据访问机制。科技巨头如Google和OpenAI凭借数据特权形成垄断优势，其模型可获得充分调优，而开源...

LRAGE（Legal RAG Evaluation Toolkit）是一个开源的评估框架，专门用于在法律领域的检索增强生成（RAG）任务中评估大语言模型（LLM）的性能。该工具包集成了多种数据集和评估工具，为研究人员提供了一个全面的平台...

ARC Prize基金会近期采用ARC-AGI基准对OpenAI最新发布的o3-medium和o4-mini模型进行了系统评估。测试结果显示，o3-medium在基础版ARC-AGI-1测试中表现突出，但在需要高阶推理能力的ARC-AGI-2挑战集上未能取得突破性...