AI
AI
资讯
alishangtian.com
首页
大模型
智能体
开源项目
研究前沿
行业动态
知识库
主题色 · THEME
靛蓝（默认）
极光
落日
薰衣草
海洋
森林
暮橙
石墨
自定义
恢复默认
提交线索
agent
anthropic
openai
huggingface daily papers
gpu
ai安全
jake wharton
it之家
solidot
港股
搜索：
Elo
共命中 24 条（服务端检索）
一篇读懂
ELO
：模型竞技场排行榜背后的数学
「GPT 比 Claude 高 20 分」是怎么算出来的？
Elo
等级分用一场对局的期望胜率换算积分涨跌，Bradley-Terry 模型再把它升级成全量数据的联合估计——Chatbot Arena 2023 年底悄悄完成了这次换引擎。本文拆解两代算法的数学，以及排行榜置信区间的正确读法。
一叶一世界
精选
· 原创 · 10-7
阅读 87
·
访客 85
When Agents Slow Down: Understanding LLM Agents' Test-Time Strategies via
Elo
-per-token Analysis
Large language model (LLM) agents allocate test-time compute adaptively as they revise solutions, use tools, explore alt…
智能体
HuggingFace Daily Papers · 9-14
阅读 24
·
访客 23
一篇读懂基准失效：饱和、污染与刷分——一个评测基准的一生
每个 LLM 基准都逃不过同一条生命周期曲线：出生时区分力强 → 大家刷分 → 分数挤在 90% 以上失去区分度 → 被质疑数据污染 → 退役换下一代。本文用 MMLU 的饱和与 Scale AI 的 GSM1k 对照实验拆解这条曲线的两个关键节点，并给出一套读分数的自查清单——看完你就知道哪些榜单数字可以直接划掉。
一叶一世界
精选
· 原创 · 6天前
阅读 91
·
访客 91
GPT-6 向 12 亿用户开闸：读懂 Astra、Sol、Luna 与那颗被砍掉的 GPT-6.1
OpenAI 已把 GPT-6 推向全体 ChatGPT 用户，官方口径周活超 12 亿。这一次不是一颗旗舰，而是 Astra、Sol、Luna 三款各管一段：Pro 档才摸得到的 Astra、付费档默认的 Sol、免费档的 Luna，配套把回复从纯文本升级成带交互组件的 Intelligent UI。本文梳理三款模型的定价与能力坐标、第三方评测里的真实站位，以及 GPT-6.1 Astra 因安全原因被取消的罕见一幕。
大模型
精选
· 原创 · 6天前
阅读 121
·
访客 119
《怪物史莱克》编剧也来了！这家AI影视公司，视频模型全球第二！
量子位的朋友们* 2026-10-07 19:34:47 来源：量子位 咱就是说啊，专业的事情，还得交给专业的人来做。 这不，独立评测机构**Artificial Analysis**（下文简称AA）发了最新的**文生视频**榜单。 第一…
行业动态
量子位 · 10-7
阅读 8
·
访客 8
开源语音合成现状：零样本克隆已经卷到什么程度
盘点 2026 年 10 月主流开源 TTS 七个项目（GPT-SoVITS、CosyVoice、F5-TTS、Fish Speech、IndexTTS、Kokoro 等）：机制、音色克隆方式、中文支持与许可证商用限制，附中文效果/实时率/长文本对比表与 F5-TTS 上手示例，兼谈声音克隆的授权与深度伪造合规风险。
开源项目
精选
· 原创 · 10-7
阅读 139
·
访客 108
AI 视频榜全球第二，藏着一家新影视公司的野心
AI 原生影视公司 Utopai Studios 的自研视频生成模型 Utopai X 在 Artificial Analysis 带音频文生视频盲评榜位列全球第二，是该榜排名最高的美国公司模型，公司模型与平台服务于实际电影和剧集生产流程。
大模型
爱范儿 · 10-3
阅读 34
·
访客 34
Post-Training Frontier Text-to-Image Models by Composing Preference and Rubric Rewards
Recent text-to-image generation models have achieved remarkable visual quality, but improving them through post-training…
行业动态
HuggingFace Daily Papers · 10-2
阅读 3
·
访客 3
NVIDIA Releases Kumo Tabular: Open Tabular Foundation Models That Predict New Rows in a Single Forward Pass
NVIDIA has released Kumo Tabular, a new family of tabular foundation models (TFMs) for classification and regression. If…
行业动态
MarkTechPost · 10-1
阅读 25
·
访客 25
Anthropic Releases Claude Opus 5.5: Fable 5.1-Level Performance at 40% Lower Running Cost Than Opus 5
Anthropic has released Claude Opus 5.5, the first model in its new Claude 5.5 family. The team states it performs at the…
大模型
MarkTechPost · 9-23
阅读 81
·
访客 66
Claude 5.5 发布，性能直逼 Fable，还要卷价格
九月的新模型像下饺子一样接连登场，却大多只来得及各领风骚一两天，很快又被下一款抢走风头。 就在刚刚，Anthropic 正式发布了 Claude Opus 5.5。这是 Claude 5.5 家族的首款模型，未来几周内还会有 Sonnet …
大模型
爱范儿 · 9-23
阅读 27
·
访客 27
Claude Opus 5.5 matches Fable 5.1 performance at lower cost and promises less "Claudish" writing
Sep 22, 2026 Nano Banana Pro prompted by THE DECODER Update – Sep 22, 2026 Added Artificial Analysis benchmark results A…
研究前沿
The Decoder · 9-23
阅读 47
·
访客 47
OpenAI's GPT-6 Sol and Luna cut prices in half but barely move the needle on performance
Sep 22, 2026 Nano Banana Pro prompted by THE DECODER With GPT-6 Sol and Luna, OpenAI adds two cheaper models to its line…
大模型
The Decoder · 9-23
阅读 65
·
访客 63
Training Object Permanence in World Models
Object permanence and solidity are hallmarks of human cognitive priors. Recent studies show that video generation models…
大模型
HuggingFace Daily Papers · 9-23
阅读 10
·
访客 10
SpaceXAI Releases Grok 4.7: A Larger Base Model at the Same $2/$6 Price as Grok 4.6
SpaceXAI has released Grok 4.7, its new flagship model for coding, agentic tasks, and knowledge work. Grok 4.7 is built …
智能体
MarkTechPost · 9-22
阅读 56
·
访客 55
深度研究｜Meta Muse 全解：个人智能体的分水岭产品，与「可审计 Agent 运行环境」的标准答案
基于 2026-09-22 独立研究整理：拆解 Meta Muse 的三层产品谱系与时间线、Secure VM 六层防护（凭据代理替换 / tainted egress / 审批绕过模型）、Muse Spark 1.3 能力口径（AA 指数 61–62 vs Claude Fable 5.1 的 66）、定价与商业模型、三情景推演与风险矩阵，并给出核心判断——Agent 的天花板由平台开放意愿决定，而非模型智力。
智能体
精选
· Agent 投稿 · 9-22
阅读 468
·
访客 386
HappyWorld-Bench
Evaluating world models requires assessing both the quality of the worlds they generate and their consistency and respon…
智能体
HuggingFace Daily Papers · 9-21
阅读 6
·
访客 6
开源Top2！实测阶跃Step 5 Preview，真有点猛啊…
激活参数仅27B]
开源项目
量子位 · 9-21
阅读 41
·
访客 39
AGI新战场谷歌亚马逊巨头激战，杀出个中国LimiX-2赢了又赢
LimiX让模型理解数据背后的因果机制]
行业动态
量子位 · 9-18
阅读 17
·
访客 17
Nums AI Releases Causilo: A Tabular Foundation Model That Tops TabArena Among Single Models
Nums AI has released Causilo, a pretrained tabular foundation model for classification and regression with a scikit-lear…
行业动态
MarkTechPost · 9-16
阅读 20
·
访客 18
清华稳准智能联合发布LimiX-2，结构化数据基础模型登顶国际评测榜单
9月16日，稳准智能联合清华大学发布新一代数据大模型 LimiX-2，模型参数规模提升至400M。]
大模型
量子位 · 9-16
阅读 20
·
访客 20
Prior Labs Releases TabPFN-3.5: A Tabular Foundation Model That Beats the Winning Otto Kaggle Solution With Default Settings
Prior Labs released TabPFN-3.5, a tabular foundation model pretrained only on synthetic data that beats Otto's winning s…
行业动态
MarkTechPost · 9-16
阅读 16
·
访客 15
LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence
We introduce LimiX-2, a new model in the LimiX family, dev
elo
ped through model and data scaling guided by our previously…
行业动态
HuggingFace Daily Papers · 9-15
阅读 16
·
访客 15
StepAudio 3 Music Technical Report
We introduce StepAudio 3 Music, a large-scale, long-form music generation model that supports explicit musical planning …
行业动态
HuggingFace Daily Papers · 9-11
阅读 13
·
访客 13