SO-Arena基准测试发布:System One模型能力强不等于决策可靠

Hugging Face Papers 上出现的一篇论文提出 SO-Arena 基准,在 11 个领域评测 System One 类模型的“能力广度”和“决策可靠性”,结果显示综合表现最好的模型在可靠性上只排第七。

Hugging Face Papers 上出现的一篇论文提出 SO-Arena 基准,在 11 个领域评测 System One 类模型的“能力广度”和“决策可靠性”,结果显示综合表现最好的模型在可靠性上只排第七。

Hugging Face Papers 收录的论文提出 WorldDraft 基准,用 432 组严格配对测试检验视频模型能否作为可靠的“生成式渲染器”,并给出提示策略 WorldDraft-Primer 缓解瓶颈。

Roborock在11月19日官方黑五促销前提前放出折扣,Qrevo 2 Pro和Qrevo Curv 2 Flow两款扫拖机器人均降至700美元以下,为年底换机提供了性价比窗口。

苹果确认,第二代和第三代 Apple TV 4K 需要等待 tvOS 27.2.1 更新才能使用 Siri AI,而第四代机型已可通过 tvOS 27.2 体验;这意味着老款电视盒子的 AI 功能升级被推迟,且依赖附近已配对的 Siri AI 设备。

Hugging Face Papers 收录的论文提出 Reciprocal World Model(RWM),并给出 Duo v1 全双工世界模型原型:它一边持续感知音视频输入,一边实时回应用户,还能被打断。值得关注的是,它把“推理决策”和“音视频生成”视为同一世界的两个同等基础能力,试图打破现有世界模型只…

苹果更新 Foundation Models 框架,用同一套 Swift API 就能调用端侧模型、私有云计算模型以及 Claude、Gemini 等第三方大模型,并为符合条件的小开发者提供免费的私有云计算额度。

据 Bloomberg 报道,英伟达与多家资产管理公司筹划一只规模约 5000 亿美元的 AI 融资载体,资管方在黄仁勋离场前要求英伟达提高其对 25% 残值(residual value)的兜底比例,这直接关系到 AI 算力设备的融资成本与风险分担方式。

谷歌发布轻量级 C++ API“LiteRT Tensor API”,允许开发者逐个算子搭建面向端侧的机器学习计算图,同一份代码可跑在 CPU、GPU 和 NPU 上,兼顾底层控制力与跨平台可移植性。

谷歌于当地时间周四发布新一代旗舰模型 Gemini 4 Hydrogen,默认高推理模式下运行速度达到上一代 Gemini 3.8 Flash 的 2.5 倍,终端编程测试得分从 18.2% 升至 57%,同时以低价 API 和免费自动路由向开发者和普通用户开放。

科大讯飞宣布星火语音基座大模型 SparkAudio 1.0 已在讯飞开放平台上线 API 服务,开发者与企业可直接集成调用。其核心变化是用原生语音大模型直接理解声音,而非先转写成文字再交给大模型处理。