研究人员通过实验证明，这种「最佳-N选择」策略会系统性地提高Arena分数，违背了基础的布拉德利-特里模型（Bradley-Terry model）假设。 利益冲突声明：@AiEleuther的lm eval ...

在人工智能迅猛发展的今天，如何评估和比较不同的AI聊天机器人模型已成为一个备受关注的话题。Chatbot Arena，作为一个众包人工智能基准测试的开放平台，由加州大学伯克利分校的SkyLab和LMArena的研究人员共同开发，旨在通过用户投票和测试数据，为我们揭示这些大模型的真实表现。本文将深入探讨Chatbot ...

作者：Bryan编辑：Cage在上一篇研究图谱中，我们指出医疗领域很可能是 Vertical Agent 最先落地的领域，其中最有代表性的公司之一是 OpenEvidence，一款专为医生设计的 AI 专业诊断 ...

苹果计划引入AI搜索技术加剧市场对谷歌搜索被颠覆的担忧。AI搜索分流用户份额，但广告变现困难，苹果因谷歌广告生态优势暂未更换默认搜索位。谷歌面临长期风险，需加速自我变革应对AI搜索挑战，短期市场情绪受反垄断听证会影响较大。AI搜索分流用户：移动端AI ...

据媒体报道，从多位内部人事处获悉，国行版苹果AI两大合作方百度和阿里技术占比分别为近35%、65%。百度提供云端搜索、视觉、图片、语音唤醒等AI能力，其他技术则由阿里提供。苹果提供的合作年框总计金额超百亿。其中，百度方面由百度智能云事业群（ACG）承 ...

对「人机恋」的争议和讨论已经很多了，发展到如今，有一个事实没法不正视： 在大语言模型显然更胜任事务型工作的时候，有那么一批用户，硬是把它「聊」成了朋友、伴侣乃至恋人。

“AI 搜索颠覆” 恰如达摩克利斯之剑，但最终落下的时点，除了谷歌要更加专注产品体验，避免用户用脚投票外，商业变化很大程度上取决于谷歌是否加速自我变革。

另外他还透露，OpenAI 第一个开源模型，会在今年夏天发布。值得一提的是，奥尔特曼神秘的家庭生活，也在一位记者的亲身探寻下，让我们窥到了一斑。 跟他一同出席的，还有 AMD CEO 兼董事长苏姿丰，CoreWeave 联创兼 CEO Michael ...

在AI领域的激烈竞争中，一场关于AI Agent（智能体）的争夺战悄然打响。Manus，这款被誉为“全球首款真正意义通用AI Agent”的产品，近期宣布完成了一轮7500万美元的融资，估值飙升至5亿美元，距离其3月初的上线仅过去了短短数周。

LMArena更新了Meta最新发布的开源大模型Llama-4-Maverick的排名，从此前的第2名，直线掉到了第32名！这也实锤了此前开发者对Meta为刷榜排名向LMArena提供了“特供版”的Llama4大模型的质疑。开源版同款Llama-4-Maverick-17B-128E-Instruct在LMArena的排名为32名，远低于Gemini2.5Pro、GPT4o、DeepSeek-V3 ...

但正如研究人员指出的那样，迄今为止，关于这种监督方法有效性的论证大多停留在定性、概念层面，缺乏像航空安全（要求每飞行小时的致死率低于十万分之一）或核反应堆安全（要求核心损坏频率低于每年万分之一）那样严格的量化标准。

自3月13日，阿里宣布夸克升级为AI超级框后，夸克在AI定位上狂飙突进，传统搜索定位则被彻底放弃。AI产品榜数据显示，今年3月国内web端AI产品中，夸克的月度总访问量仅次于DeepSeek排名第二位。在全球APP端AI产品中，夸克以1.48亿MAU ...