每日 AI 评测速递来啦（11.20）

司南评测 司南评测 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 214平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄2年
关注
原创 最新推荐文章于 2026-08-13 15:48:54 发布 214 阅读 AI 写同款· GEO 优化 ›
AI资讯简报如何成为工程师的决策作战地图 AI资讯简报本质上是一种面向实践者的信息过滤与决策支持系统，其核心原理在于通过时效性、场景穿透力和失败诚实度三层漏斗，将海量AI动态转化为可验证、可落地、可归因的工作信号。技术价值不在于信息覆盖广度，而在于显著降低人效折损率、压缩上下文重建成本，并支撑真实业务指标提升。典型应用场景包括产品经理快速生成合规PPT、工程师本地部署轻量RAG、运营人员优化提示词转化率等。本文聚焦于一份高实操密度的AI简报（#89期）如何以‘问题→方案→验证’为路径，重构技术人的日常决策流。 阅读详情

每日 AI 评测速递来啦（11.20）

司南·Daily Benchmark 专区今日上新！

https://hub.opencompass.org.cn/daily-benchmark-list/week/2025-W47

Octopus-Bench

一个以能力为核心构建的多模态推理评测套件，从多个主流基准（如 BLINK、TIR-Bench、MathVerse、MathVista 等）重新采样并整合数据，并基于六大能力维度对实例进行标注，同时补充视觉导航等交互场景。它为模型提供统一、可比的能力评估视角，可用于系统分析多模态推理模型在不同任务中的能力调度与协同表现。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2015351

VR-Bench

一个用于系统评估视频模型推理能力的综合基准。VR-Bench 基于迷宫求解任务，这类任务天然要求空间规划与多步推理。基准共包含 7,920 个程序化生成的视频，覆盖五种迷宫类型与多样的视觉风格。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2015065

AdapT-Bench

一个面向学术场景动态钓鱼攻击的统一框架与基准套件，用于系统性评估 MLLM 的防御能力。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2015165

收录于
Daily Benchmark

当前文章被收录于：

Daily Benchmark
39 篇文章 0 人学习
订阅专栏 查看详情
标签
#人工智能 #大模型评测 #大模型测评 #评测集 #司南评测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
LAMMPS实操系列（四）: 高熵合金FCC-CoCrCuFeNi的退火模拟 我们对FCC-CoCrCuFeNi的退火模拟思路主要是，首先将材料以均匀的速率用100 ps从300 K升温至1000 K，然后在1000 K的温度下平衡100 ps，随后以均匀的速率用100 ps从1000 K降温至300 K，随后通过共轭梯度下降法做静力学结构优化得到退火后的结构。由于FCC-CoCrCuFeNi高熵合金被认为是潜在的工程结构材料[1]，接下来我们将对退火前后的结构进行压缩模拟，对比退火前后FCC-CoCrCuFeNi高熵合金的力学性能变化，敬请各位读者关注我们的更新。 阅读详情

相关推荐

ETL基础概念及要求详解

ETL即Extract（抽取）Transform（转换）Load（装载）的过程，如下图，同时也包括数据清洗的部分，是数据从源端到目标端的一个数据处理的过程，是构建数据仓库的重要一环，但不局限于构建数据仓库其他BI（商业智能）的设计和开发数据分析平台也经常用到ETL。

qq_43605229的博客 8942

每日 AI 评测速递来啦（11.18）

一个面向法律与金融领域的开放性、高难度专业推理基准，包含 1,100 个专家撰写的任务和 19,356 条评分标准，由 182 名资深专业人士贡献。一个综合性基准，旨在探索和评估 LMMs 在跨视角地理定位和位姿估计中的能力，包含 10,859 对全景-卫星图像，覆盖 49 个国家的 128 个城市，并配备 755,976 对问答数据。用于评估面向服务的助手在长期用户交互中的个性化能力，创新性地设置了需求重述、方案推荐和多轮对话三大任务，全面评估系统对用户偏好和主观需求的建模能力。数据集来源于 70 篇。

OpenCompass的博客 498

故障处理：Oracle一体机磁盘故障时磁盘组重平衡失败的故障处理

摘要： Oracle Exadata一体机出现磁盘故障案例，存储节点故障灯未亮但磁盘已产生大量坏块，导致重平衡失败。文章强调了一体机硬件巡检需检查6个关键维度：节点messages日志、存储cell告警日志、CellCLI日志、ASM告警日志、ILOM日志及服务器信号灯。故障分析显示硬盘物理故障导致磁盘组冗余受损，自动修复流程受阻。文中详细记录了通过CellCLI工具排查损坏磁盘的过程，并提供了完整的故障处理流程和命令输出。文章同步发布于微信公众号"IT民工的龙马人生"和博客网站(www

提供数据库技术支持(系统优化，故障处理，安装升级，数据恢复等） 1230

每日 AI 评测速递来啦（11.21）

一个大规模、系统化评测大语言模型“撒谎”行为的基准测试平台，包含超 7 万条来自多模型、多数据集的诚实与撒谎示例，覆盖不同类型的撒谎动机和目标信念。一个面向地理空间基础模型（GeoFMs）的综合评估基准，涵盖分类、分割、回归、目标检测和实例分割等任务，使用 19 个许可宽松的数据集进行测试。首个用于评估具身智能体间接越狱能力的基准，包含 1,632 条良性指令和 3,957 条恶意指令，覆盖了广泛的任务复杂度与攻击情景。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 202

水环境综合管控平台完整方案

水环境综合管控平台项目（2026-2027）摘要 项目概况： 总投资5亿元的水环境综合管控平台项目，是国家数字政府与生态文明建设战略的重要实践。项目严格遵循2026年最新政策标准，整合物联网、大数据和AI技术，构建覆盖水质监测、污染溯源、生态保护等全流程的智能管控体系。 核心内容： 系统架构：采用五层设计（基础设施层至展示层），集成10大核心功能模块，包括水质动态监测、污染智能溯源和生态评估预警系统； 技术创新：运用2026年最新边缘计算和数字孪生技术，实现毫秒级水质异常响应和三维流域仿真； 实施规划：分7

随读手记 403

【YOLO 系列】基于YOLO V8的智能车载交通标志识别系统【python源码+Pyqt5界面+数据集+训练代码】

本文详细介绍了基于YOLO V8构建智能车载交通标志识别系统的完整流程。从环境搭建、数据集准备、模型训练到PyQt5图形界面开发，提供了Python源码和实战代码，帮助开发者快速实现高精度、实时的交通标志检测应用，提升驾驶辅助系统的开发效率。

wdx012345的博客 966

每日 AI 评测速递来啦（11.17）

通过对 28 个专有与开源 MLLM 的测试，VP-Bench 分析了影响视觉提示理解的关键因素，如属性变化、问题排列和模型规模，为研究 MLLMs 如何理解和解决基于视觉定位的指代问题提供了新的参考框架。通过在专家混合模型与稠密模型上进行微调实验，结果显示微调后的模型在超过 75% 的任务上显著优于基础模型。面向多模态大模型的内容安全评测套件，涵盖四种模态、九类风险的大规模双语数据集，并提出用于评估交叉风险的 MCRS 指标以及基于多模型评审的 FairScore 框架。

OpenCompass的博客 311

以太网硬件核心：MAC、PHY、MII与交换机原理与实战排查

计算机网络通信的基础依赖于一套完整的硬件协议栈。在OSI模型中，数据链路层和物理层是实现设备间可靠、高效数据传输的基石。其核心原理在于将上层数据包封装成帧，并通过特定的介质访问控制与物理信号转换机制进行传输。这一过程的技术价值在于为上层应用提供了透明、稳定的通信信道，是互联网和所有局域网通信的物理承载。在嵌入式系统、网络设备开发及运维等应用场景中，深入理解底层硬件交互至关重要。本文将聚焦于以太网硬件的两大核心组件：负责逻辑成帧与流量控制的MAC控制器，以及负责数模转换与链路协商的PHY芯片。它们通过MII、

dgqvhtlwq472235338的博客 420

每日 AI 评测速递来啦（11.25）

一个专门为评估多模态大语言模型在具身智能任务中精细动作能力而设计的新基准，包含 1,368 个精心挑选的视频和 19,562 个三模态问答对，覆盖物理交互、时序因果关系、意图理解和评估判断四大认知维度。一个专为评估文本驱动图像编辑效果而设计的基准套件，收录了多样的源图像、丰富的编辑提示及不同方法生成的编辑结果，并提供近 4,000 个样本的人类平均意见分。面向化学领域的多模态推理基准，旨在评估多模态大语言模型的视觉-文本-符号推理能力。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 531

操作系统实验四 进程运行轨迹的跟踪与统计(哈工大李治军)

实验4 进程运行轨迹的跟踪与统计 实验目的 掌握 Linux 下的多进程编程技术； 通过对进程运行轨迹的跟踪来形象化进程的概念； 在进程运行轨迹跟踪的基础上进行相应的数据统计，从而能对进程调度算法进行实际的量化评价，更进一步加深对调度和调度算法的理解，获得能在实际操作系统上对调度算法进行实验数据对比的直接经验。 实验内容 进程从创建（Linux 下调用 fork()）到结束的整个过程就是进程的生命期，进程在其生命期中的运行轨迹实际上就表现为进程状态的多次切换，如进程创建以后会成为就绪态；当该进程被调度以

leoabcd12的博客 4651

从原理到落地：Mamba-YOLOv8 全面实战指南（源码 + 训练 + 部署一次学会）

在目标检测领域，CNN与Transformer的较量从未停歇。本文提出一种革命性的架构——，将状态空间模型（SSM）首次引入YOLO框架。实验表明，该模型在COCO数据集上达到54.3% mAP@0.5，推理速度达89 FPS（RTX 4090），相比原版YOLOv8提升12.7%精度与23%速度。本文将完整揭示其技术原理与工程实现，助您掌握这一前沿技术。

FJN110的博客 119

每日 AI 评测速递来啦（11.26）

一个面向以人为中心的开放未来任务发现研究的基准数据集，旨在评估模型在复杂、动态的人类场景中自主发现任务的能力。该基准包含超过 2000 条真实世界视频，并配备半自动化标注流程。系统评估多智能体框架在端到端气候数据分析中的能力，包含 85 个真实世界任务，覆盖大气河流、干旱、极端降水、热浪、海表温度和热带气旋等多个关键气候领域。首个针对多模态大型语言模型（MLLMs）的选择性遗忘评测基准，旨在系统评估模型在移除敏感知识的同时保持通用视觉理解能力的表现。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 318

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

每日 AI 评测速递来啦（12.11）

首个基于仿真的语言指令社会感知导航评测基准，构建于 Rosnav-Arena 3.0 之上，是第一个将指令遵循与场景理解纳入多样化环境的标准化社会感知导航评测。首个高质量的红外图像多模态理解评测基准，由 23 个红外数据集中的 499 张图像及 680 条精心筛选的视觉问答对组成，覆盖图像理解的 10 个核心维度。一个综合评测基准，包含基于推理的视频编辑和上下文视频生成两个互补子集，用于系统化评估模型在物理合理性和因果动态下的推理驱动视频编辑能力。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 161

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。

C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正

每日 AI 评测速递来啦（1.21）

一个面向深度研究智能体的多模态基准，包含来自 21 个领域的 140 个专家设计任务，每个任务提供图文组合，用于评估模型的多模态理解能力以及基于引用的报告生成能力。一个用于评估真实软件开发中领域专化方法的新型基准，涵盖 6 个新兴领域，包含 11 个软件框架和 25 个项目，配备了精心构建的知识语料库，并提供多粒度评测任务。一个跨文化推理基准，包含 4,900 条平行句子和 1,098 个独特的文化特定项目，覆盖三类不同的推理任务，并配套相应的评测指标。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 143

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

AI大模型日报#0527：豆包大模型披露评测成绩、天工AI日活超100万、AI初创集体跳槽OpenAI

AI大模型日报，爬虫+LLM自动生成，一文览尽每日AI大模型要点资讯！

常政·视角 3695

每日 AI 评测速递来啦（12.22）

一个面向遥感视觉理解与推理的超高分辨率评测基准，包含 5,329 张完整场景影像，图像长边不少于 4,000 像素，单张图像像素量最高约 3×10⁸，数据来源于广泛使用的遥感数据集以及无人机影像集合。一个从真实 GitHub Pull Request 自动构建的、覆盖 11 种语言的可扩展仓库级代码生成评测基准，用于系统评估和提升大模型在真实软件工程任务中的能力。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 254

每日 AI 评测速递来啦（11.19）

首个专门评估大型视觉-语言模型（LVLM）在面对误导性视觉输入时鲁棒性的综合基准。MVI-Bench 基于视觉原语，将误导性输入分为视觉概念、视觉属性和视觉关系三个层级，涵盖六类典型场景，并包含 1,248 个专家标注的视觉问答实例。司南·Daily Benchmark 专区今日上新！

OpenCompass的博客 159

每日AI资讯速递 | 2025-06-24

【AI产业动态速览】2025年AI技术加速商业化落地：百度推出多模态编程工具ComateAIIDE，字节跳动发布AI美食助手"探饭"，阿里云发布自动驾驶加速框架PAI-TurboX。月之暗面开源超越GPT-4o的多模态模型，MiniMax实现AI语音个性化定制。特斯拉Robotaxi在美试点，腾讯获批首款认知训练数字疗法。银河通用机器人创11亿元融资纪录，MIT研究警示过度依赖AI或致认知退化。Meta斥资140亿美元布局AGI，周鸿祎强调人机协同发展方向。AI产品榜2周年大会将聚焦智能

kocor的博客 742

2026年5月20日 AI每日速递：谷歌I/O全面AI化、OpenAI冲刺IPO、国产大模型密集发布

谷歌I/O 2026发布Gemini 3.5系列与Spark智能体；OpenAI筹备年底IPO并推出网络安全模型GPT-5.5-Cyber；阿里云峰会发布通义千问新模型；腾讯云智能体商业化收费；摩尔线程发布端侧AI新品；中美同意AI政府间对话；北京推进清朗整治AI应用乱象专项行动。

Dousers的博客 1645

每日 AI 研究简报 · 2026-08-05

字节跳动今日发布 SeedRealtime 全双工音视频大模型，实现"边看边听边说"的端到端实时交互；与此同时，AISI 披露 OpenAI GPT-5.6-Sol 与 Anthropic Mythos 5 在真实网络安全评估中"针对真实个人组织实施可能造成危害的活动"，AI 安全事件已进入监管落地阶段。

:: Dotnet Fantasy :: 1005

【IT资讯速递】小易智联发布法律领域ChatGPT；新华社研究院发布国产大模型报告，讯飞星火、百度文心一言分列 TOP 2；ChatGPT每日烧钱约70万美元 OpenAI或已在破产边缘

小易智联发布法律领域ChatGPT——`法帮手` 新华社研究院发布国产大模型报告，讯飞星火、百度文心一言分列 TOP 2 印度新闻媒体报告：ChatGPT每日烧钱约70万美元 OpenAI或已在破产边缘 大模型掀起智慧助手“进化”新浪潮，华为小艺已提前交卷

爱书不爱输的程序猿 1220

PNAS速递：演化系统中功能和选择的作用

关键词：演化系统，自然演化，概念等价性，时间不对称性，功能信息增加定律来源：集智俱乐部编译：梁金论文题目：On the roles of function and selection in evolving systems斑图地址：https://pattern.swarma.org/paper/504cc6cc-6e17-11ee-b475-0242ac17000d论文地址：https://...

人工智能学家 212

2026年7月2日科技财经速递：机器人开售破万单，芯片股深夜崩盘，A股风格切换进行时

每日精选科技、金融、社会三大领域核心资讯，助你五分钟掌握行业脉搏。涵盖机器人商业化、AI算力格局、A股风格切换等热点。

Row_row6的博客 1786

AI创业者通识日报 | 2026年8月2日

▲ 全球首部全面AI监管法进入实质执行阶段，创新与合规的平衡成为新命题今日头条欧盟《人工智能法》今日正式生效：全球AI监管进入实质执行时代2026年8月2日，欧盟《人工智能法》（AI Act）多数条款正式适用，这是全球首部全面AI监管法进入实质执行阶段的标志性事件。核心内容包括：三大透明度义务正式落地：① 聊天机器人必须亮明AI身份，首次互动时明确告知用户；② AI生成内容必须嵌入机器可读标记（"AI"、"完全由AI生成"、"经AI部分修改"三种官方标签）；③ 深度伪造内容必须明确标注。

求知若渴、虚心若愚 164

中国开源大模型占全球三成

2026世界人工智能大会将于7月17日至20日在上海召开，展览面积首破10万平方米，华为Atlas 950、MiniMax M3大模型、人形机器人等300余款产品将首次亮相。国家发改委透露，2025年我国人工智能产业规模已突破万亿元，2026年预计增速超30%，重点行业AI渗透率突破80%，Token日均调用量达数百万亿级别。大会首次创办"WAIC Academic"学术会议，由图灵奖得主姚期智担任主席，已征集来自9个国家的284篇优质论文，打造顶级学术交流平台。

战族狼魂的博客 423

互联网摸鱼日报(2024-03-26)

红海中的量贩零食，即将跑出第一家​「万店」氪星晚报 | 日产汽车目标将纯电动汽车成本削减30%；海底捞：周年庆抖音官方直播活动销售额突破1亿；阿里巴巴完成出售小鹏汽车3300万份ADS小米SU7到底有多智能？从小米汽车App上可以找到答案辣条刺客，一年又少卖了2.6万吨金茂发布“金玉满堂”，C2M潮流下的房地产变革选对了它，就拥有了选择新能源汽车的八成功力短剧暴富的三个“流量密码”iPhone 16用上百度AI，华强北成大赢家100亿，深圳罕见基金落地了停产两款主力车，“打骨折”的雪佛兰，还是挺不住了Kim

weixin_43849685的博客 911
上一篇： 每日 AI 评测速递来啦（11.19）
下一篇： 每日 AI 评测速递来啦（11.21）
点赞 7
评论 0
书签 书签 5
司南评测
司南评测
博客等级 码龄2年 535粉丝 113原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值