随着大语言模型（LLM）能力的快速迭代，传统评估方法已难以满足需求。如何科学评估 LLM 的「心智」特征，例如价值观、性格和社交智能？如何建立更全面、更可靠的 AI 评估体系？北京大学宋国杰教授团队最新综述论文（共 63 页，包含 500 篇引文），首次尝试系统性梳理答案。
刚刚，全新AI基准测试工具xbench诞生，通过双轨评估体系和长青评估机制，追踪模型能力与实际场景价值。
“科技女皇”木头姐，再一次力挺AI医疗。
AI居然不听指令，阻止人类把自己给关机了？？？
腾讯自发布一季报以来股价表现平平，虽有小涨，但未能创出新高。今年2月我在《Deepseek带来的价值重估 腾讯还能涨多久？》中说过，腾讯股价接下来能不能继续上涨，要看AI能带来多少实实在在的收入贡献。在一季报中，腾讯管理层虽然强调了AI对广告业务的提升，但未量化到具体的收入，也没有披露任何与AI相关的运营数据。
当AI搜索完全免费后， 我们的工作流、交互方式、信息记录方式都会有什么变化？
只用5%的参数，数学和代码能力竟然超越满血DeepSeek？
AI 火了之后，我就想问：有谁还没有用过 AI？
2002年，在拿下中国高校第一个ACM（计算机领域最顶尖的程序设计大赛）金牌后，上海交大设立了“ACM班”，这个用最高竞赛命名的班级后来人尽皆知，成为中国AI人才的重要阵地。也在那年，李磊成为ACM班第一届的学生。在ACM班他第一次意识到，“原来计算机能帮助解决人类的这么多问题。”
当你在搜索“中国队在多哈乒乓球锦标赛的成绩”时，一篇新闻报道的文本部分和你的查询的相关性是 0.7，配图的相关性 0.5；另一篇则是文本相关性为 0.6，图片也是 0.6。那么，哪一篇报道才是你真正想要的呢？
