การประเมินโมเดลขนาดใหญ่

ลมตะวันตก จาก 凹非寺 ในที่เก็บข้อมูลทางการ มี Issue หนึ่งที่กำลังเป็นที่ถกเถียงกันอย่างร้อนแรง ชี้ตรงไปที่ปัญหาหลัก: การอัปเดตของ Claude Code อาจ “พัง” ไปแล้ว การอัปเดตครั…

วันที่ 16 มีนาคม ในการประชุม NVIDIA GTC 2026 NVIDIA ได้เปิดตัว Agent Toolkit และพิมพ์เขียว AI-Q Open Agent และกำหนดให้ AI Agent เป็นเทคโนโลยีแนวหน้าที่สำคัญของรุ่นต่อไป เมื่อสาธิตค…

จุดอ่อนด้านการรับรู้รูปทรงเรขาคณิตถูกเปิดเผย! ทีมวิจัยจากมหาวิทยาลัยชิงหวาเสนอเฟรมเวิร์กประเมิน GEOPERCEIVE ประเมินความสามารถในการจดจำรูปทรงเรขาคณิตของ VLM อย่างเป็นอิสระเป็นครั้งแ…

โมเดลใหญ่สามารถทำนายอนาคตได้จริงหรือ? UniPat AI เปิดตัวระบบ Echo โดย EchoZ-1.0 นำหน้าอย่างสมบูรณ์ในการประเมินแบบไดนามิก ปัญหาการตรวจสอบที่ยังไม่มีคำตอบ ตลอดปีที่ผ่านมา ความสามารถใน…

วันนี้ ผลการทดสอบมาตรฐานที่ชื่อว่า ARC-AGI-3 ได้รับการเปิดเผย และ “ช่องว่างระหว่างมนุษย์กับเครื่อง” อันมหาศาลที่ปรากฏออกมา ได้ดึงดูดความสนใจอย่างกว้างขวางในชุมชนวิจัย A…

ภูมิหลัง 一. รู้จัก OpenClaw OpenClaw (ชื่อเดิม ClawdBot/Moltbot) เป็นเฟรมเวิร์ก AI Agent แบบโอเพนซอร์ส สร้างโดย Peter Steinberger ในฐานะหนึ่งในโปรเจกต์ AI Agent ที่ได้รับความนิยมสู…

คำสำคัญ: แบบจำลองภาษาขนาดใหญ่, การใช้เครื่องมือ, การประเมินมาตรฐาน, สถานการณ์จริง, เอเจนต์ เมื่อ AI ออกจากห้องแล็บสู่โลกแห่งความเป็นจริง งานง่ายๆ กลับอาจกลายเป็นช่องว่างที่ยากจะก้า…

ปัจจุบันโมเดลภาษาขนาดใหญ่สามารถสร้างข้อความที่อ่อนโยนและให้คุณค่าทางอารมณ์ในการสนทนาแบบเทิร์นเดียวได้ อย่างไรก็ตาม เราอาจสงสัยว่าเบื้องหลัง “การตอบสนองที่แสดงความฉลาดทางอารมณ…

KernelArena: แพลตฟอร์มประเมินประสิทธิภาพเคอร์เนล GPU ที่สร้างโดย AI แห่งแรก ยุติยุค “เลือกโมเดลตามความรู้สึก” ขีดความสามารถของโมเดลภาษาขนาดใหญ่ล้ำสมัยกำลังถูกขยายออกไปอ…

EgoSound: เปิดตัวมาตรฐานการประเมินความเข้าใจเสียงมุมมองบุคคลที่หนึ่งเป็นครั้งแรก ปัญหา “หูหนวก” ของโมเดลใหญ่หลายรูปแบบถูกวัดผลเชิงปริมาณ เมื่อโมเดลใหญ่หลายรูปแบบก้าวเข้…