斯坦福临床医疗AI横评：DeepSeek R1以66%胜率夺冠 斯坦福最新发布的医疗任务大模型评测显示，DeepSeek R1以66%胜率领先，超越谷歌、OpenAI等知名模型。此次评测聚焦临床医生日常场景，而非传统医疗执照考试题。 研究团队构建了包含35个基准测试的MedHELM框架，覆盖22...

5月18日消息，华为Pura X凭借出色AI性能在中国电信翼矩AITMark评测中荣获AI社交和AI学习双料冠军。此次评测涵盖AI社交、AI学习、AI影像、AI办公、AI生活五大场景，华为Pura X在AI社交场景（满分70分）获54.5分，在AI学习场景（满分135分）获107.1分。该机是首款全面搭载HarmonyOS 5的手机，支持2万+鸿蒙应用及150多项系统更新，并借助盘古+DeepSeek双模型与方舟引擎提升AI助手小艺的生产力。

3月22日消息，一名名叫阿迪·辛格的外国高三学生创建了AI评测网站MC-Bench，利用微软沙盒游戏《我的世界》作为测试平台。该网站通过让不同AI基于相同提示生成建筑作品，并由用户投票选出更优秀的作品，以此评估AI能力。辛格表示，《我的世界》因其广为人知的风格和视觉效果，能够直观展示AI进步。目前，Anthropic、谷歌、OpenAI和阿里巴巴为该项目提供AI计算资源支持。尽管测试仍较基础，主要观察GPT-3以来AI的进步，但未来可能扩展至更复杂任务。MC-Bench采用编程基准测试方式，AI需编写代码生成作品，而用户更倾向于通过最终成果评判表现。辛格认为，这些数据对AI开发者具有重要参考价值，尽管其是否能完全反映实际应用价值尚存争议。