搜索
BenchJack 之后，reward hacking 检测还缺什么？ Agent 在 benchmark 上拿到高分，未必真正完成了任务。它也可能利用评测或奖励机制中的漏洞，绕开题目要求来提高得分。
欧洲开发者 Mario Zechner 开发的极简 Coding Agent Harness Pi 只给模型一个 bash，却在多项 Benchmark 中击败 Claude Code 和 Codex，凭借极简设计和高可扩展性在 2025 年底爆火，团队来自维也纳而非硅谷。
西门子Xcelerator以"共享、共创、共赢"为内核搭建繁星开放生态，通过商业赋能、技术赋能与全球Marketplace，将AI、机器人、工业软件等领域伙伴的场景、数据、Know-how和渠道资源连接起来，助力工业创新方案完成从场景验证、规模复制到出海的成长闭环。
北京大学、清华大学与阿里巴巴等机构联合提出SparkDiffusion视频生成加速系统，通过融合稀疏注意力、少步蒸馏与FP8量化，在单卡RTX 5090上实现最高720倍推理加速，可在18秒内生成5秒720P视频，并已完整开源权重与训练代码。
酉术量子全球首发UnitarySpark异构计算硬件底座及UnitaryLab 2.5公测版，基于上海交大原创"薛定谔化"算法框架，通过AI Agent实现自然语言驱动的量子科学计算，数据全程本地处理，并与国盾量子等达成战略合作。
推理创业公司Inferact用自研的megakernel内核结合DeepSeek的DSpark推测解码框架，让16块谷歌TPU v7运行Kimi K3达到每秒709个token，比同条件下16块英伟达GB200快57%。
科大讯飞推出基于全国产算力训练的语音识别大模型Spark-ASR-2.0，依托语音基座大模型Spark-Audio-1.0-Preview，在方言免切换识别、嘈杂环境、上下文纠错和口语规范化等方面均有提升，整体推理成本较Spark-ASR-1.0仅增10%，已上线讯飞输入法并通过讯飞开放平台提供API服务。
过去三年，梁文锋极少以第一作者或通讯作者身份，出现在 V3.2、V4、V4.1-Flash 这些动辄上百人署名的旗舰模型整体报告中；却始终把名字签在 MLA 注意力、MoE 路由机制、mHC 拓扑流形、DSpark 推理算子、DSec 智能体沙盒这些最底层的原子技术论文上。
一架架飞机在空中有序飞行，按时起降，看似只是飞机自己的事情，实际上，它需要持续与机场、跑道、航线以及地面资源系统协同。
BAI资本成员企业Humanlaya（原壤智能）宣布完成由鼎晖香港基金领投的数亿元Pre-A轮融资，公司聚焦大模型后训练数据与评测，通过专家网络、高质量数据生产与Benchmark体系帮助模型提升在金融、法律、医疗等复杂专业任务中的能力。