随着大语言模型（LLM）的快速发展，如何科学评估其能力成为业界核心命题。早期以MMLU为代表的静态知识评测框架已暴露出明显局限性，而新兴的AgentBench等动态评估体系则试图重构评测范式。这场评估标准演进背后，隐藏着技术路线之争与产业落地需求的深层博弈。 ...
标签： 人工智能评测
突破百万帧视频解析瓶颈：Gemini 1.5时空建模技术全解密
在人工智能领域，视频理解能力正成为检验多模态大模型实力的终极试金石。近期发布的Gemini 1.5版本在长视频解析领域取得突破性进展，其支持处理超过百万token的上下文窗口，这相当于能连续解析3小时的4K视频流。本文将深入剖析其背后的技术创新，通过构建专业评测框架揭示其技术实现路径。 ...