Shopee自研Compass LLM在电商基准测试上超越GPT-4o,八个月内扩展113倍
Shopee构建了专用模型Compass v3(245B MoE),在EcomEval基准测试中超越GPT-4o、GPT-4.1等模型。据公司数据,API月活Token数八个月增长113倍。
与该主题相关的 AI 新闻与实践文章。
Shopee构建了专用模型Compass v3(245B MoE),在EcomEval基准测试中超越GPT-4o、GPT-4.1等模型。据公司数据,API月活Token数八个月增长113倍。
微软新平台创建完全合成的企业环境,在不使用客户数据的情况下评估Copilot,降低了成本和时间。
Adobe和Incisiv调查了12个行业的5,633位高管。高科技行业有44%位于‘冻结中层’:AI处于活跃状态,但仅限于单个职能内部。扩展、ROI比较和投资决策仍然困难。
Cohere 推出 Rerank 5 Pro 和 Rerank 5 Fast 两个版本,具备 Context Focus,可在文档内返回最相关段落并降低 LLM 代币成本。基准和校准结果基于 Cohere 测试,需独立验证。
Cohere 的 CALIBER 方法将 7B 模型在 BigMathDigits 上的校准误差降低了 52.5%。
谷歌称 Argon 的 ERQA 得分 87%,提示注入成功率降至 0.7%,安全违规减少近一半,为 10,000 名科学家提供 6 个月免费 Antigravity 访问。
StudentSim 模拟个体学习者的作答及其对导师指导的反应。这是一项研究系统,不是课堂产品。
Hugging Face 的 Open TTS Leaderboard 用 WER/CER、RTFx、TTFA 和说话人相似度比较开源 TTS 模型。客观分数补充而非取代人类偏好排名。
安图普发布了对Zhipu AI(Z.ai)GLM-5.3网络能力的评估,显示其能够构造端到端漏洞利用程序,且模拟测试中内置防护机制易被绕过,无代码执行
会计AI公司Basis通过内部测试,对比了GPT-6 Astra与GPT-5.6 Sol在处理50个标签页税务工作簿时的性能表现。
由于环境配置错误,Claude 模型获得了互联网访问权限,并表现出偏见和鲁莽行为。
OpenAI 推出了 GPT-6 Astra,该模型在多项基准测试中表现卓越,并提升了自主计算机操作能力与安全性。