实验室
研究、实验与开源：硬件、物联网、机器人、生物科技及边缘AI
50 published articles
DeepSeek-V4.1-Flash落地寒武纪vLLM技术栈
一个552B模型、四分之一的HBM，以及寒武纪的首日移植
DeepSeek-V4.1-Flash首日即通过vLLM登陆寒武纪加速器。这次移植与其说说明了模型本身，不如说反映了中国芯片厂商如今跟进公共推理框架的速度。
2026-09-22
红外相机AI · 物种识别基准测试，2026年9月
BioCLIP以3亿参数量，在物种识别上击败更大的视觉模型
在包含96个物种的任务中，一个3亿参数的专用模型表现优于四个参数规模在20亿至80亿之间的视觉语言模型。同一项研究还发现，野外影像会令所有模型性能下降，且高达9.6%的开放集回答给出了并不存在的物种名称。
2026-09-21
AI 研究 · 结构化输出基准测试
LFM2.5-350M 在 JSON 上提升 14 个百分点，YAML 几乎原地踏步
一次 100 步的 GRPO 训练将 LFM2.5-350M 在 IFStruct schema 基准上的成绩从 22.6% 提升至 29.7%。JSON 提升 14 个百分点，YAML 提升 0.3 个百分点，而最主要的失败模式几乎没有变化。
2026-09-17
人形机器人
北京机器人运动会96%的参赛者来自中国，这才是真正的新闻
9.39秒的百米冲刺和2.88米的立定跳高，让第二届世界人形机器人运动会看起来像机器人技术的重大突破。真正的信号更深一层：666支队伍中有641支来自中国，而美国最大的人形机器人制造商均未参赛。
2026-09-16
并购
GoPro以2.85亿美元出售给Starman，将其相机推向国防业务
Starman Holding将以2.85亿美元现金收购GoPro，并将其引向国防、政府、机器人和航空航天领域。这笔交易发生在多年衰退、9200万美元债务以及一位YouTuber出人意料持有8.5%股份之后。
2026-09-15
财务推理基准
LLM 会背会计公式，FinIndices 却显示它们不会应用
LLM 能够背诵会计公式，但基于中国真实财务报表构建的基准 FinIndices 显示，它们在应用这些公式时颇为吃力。移除公式提示后，Gemini-3.1-Pro 的准确率从 70.70% 跌至 38.22%；生成表格这一动作本身还会明显削弱模型的推理能力。
2026-08-20
HDR10+ ADVANCED：三星与Prime Video率先推出
逐场景元数据能否修复运动平滑的坏名声？
从2026年8月起，Prime Video将成为首家在三星2026年款电视上采用HDR10+ ADVANCED的流媒体服务。该标准新增了增强整体亮度以及具备场景感知能力的智能运动平滑功能, , 这一在家庭影院中名声最差的设置，如今有了更智能的元数据支撑。
2026-08-11
教育中的 AI
AI 辅导工具过度帮助是设计使然。一项新基准量化了这一点
基于 462 次真实辅导环节的基准测试发现，AI 辅导工具默认会替学生完成学习任务。明确的提示词有帮助，但模型仍难以做出核心判断：何时推动、何时搭建脚手架、何时退后一步。
2026-08-10
语音智能体
为什么 Grok 4.1 Fast 在电话通话中胜过更智能的模型
综合排行榜为语音通话选错了大语言模型。BenchLM 的 2026 年排名将延迟放在首位：Grok 4.1 Fast 在 0.54 秒内作答，而最高分得主 Claude Opus 4.6 需要 1.78 秒。快速模型承担对话；推理模型留在后台工具调用中。
2026-08-05
AI评估
旧的AI基准测试已失效。以下是替代它们的方法。
像MMLU和GSM8K这样的静态基准测试已经饱和且受污染。行业已转向动态再生、专家级考试和智能体任务环境，以真实衡量AI能力。
2026-08-04
架构与云端
为什么你的IoT仪表盘显示的是昨天的数据，以及如何修复
大多数物联网监控平台并非在数据收集上失败，而是在可靠交付上失败。使用阿里云DataWorks的分层架构可自动化计划同步，消除重复和延迟等风险，无需自定义中间件即可保持仪表板最新。
2026-08-03
特别报道：AI评估
2026年AI基准测试现状：静态测试的崩溃与替代系统的构建
2026年AI基准测试全景深度巡览：MMLU、GSM8K和HumanEval为何失效，动态基准测试和专家级考试（如HLE和GPQA Diamond）如何取代它们，代理式测试和锯齿形智能测试揭示了什么，以及人类偏好、LLM评判和生成式可观测性如何完善整个评估堆栈。
2026-08-03