TAGS / TERM
模型评测
共 9 篇
- AI Agent 工程学：换模型为何仅提升 0.7% 2026-04-13 · JUEJIN
- 前沿AI评估：RCT与人类提升研究的方法挑战与解决方案 2026-03-12 · ARXIV
- Qwen3.5 122B与35B模型本地实现Sonnet 4.5性能 2026-02-28 · HACKER_NEWS
- Claude Sonnet 4.6 发布：基于 4.5 的升级与局限 2026-02-18 · BLOGS_PODCASTS
- 智谱GLM-5即Pony Alpha：对标Claude Opus 2026-02-12 · JUEJIN
- OpenAI前沿技术进展与模型能力解析 2026-02-05 · HACKER_NEWS
- Agent Skills：AI 智能体技能评估框架 2026-02-03 · HACKER_NEWS
- 利用Game Arena平台推进AI基准测试 2026-02-02 · HACKER_NEWS
- Alyah：评估阿拉伯语大模型阿联酋方言能力 2026-01-27 · BLOGS_PODCASTS