RENDER 揭示 LLM 記憶評估中的格式偏差
RENDER 是一項基準控制方法，用於評估記憶與 RAG 輸入的讀取格式如何影響 LLM 的回答品質。在 500 道 LongMemEval 題目與 9 個模型的測試中，已解析的記憶封包大幅優於依近期性截斷的原始對話，而實際部署風格的模板也造成模型間顯著的效能差距。
Search
直接匹配不多，已補上最新動態。
Tag: #memory-evaluation2 results
Locomo-Plus Tests LLM Cognitive Memory
Locomo-Plus benchmarks cognitive memory in LLM agents under cue-trigger disconnects, focusing on latent conversational constraints. It proposes constraint consistency evaluation over string-matching. Reveals gaps in existing memory systems.
AI 進入養老社區的真實試驗
文章探討 AI 在養老社區中的實際試驗。文章指出，AI 若要進入真實產業場景，必須與業務流程、專業人員及組織體系深度融合。
DeepSeek 估值逼近 740 億美元，瞄準 2027 年 IPO
據報 DeepSeek 即將完成上市前融資，投資前估值約為 5,000 億元人民幣，即 740 億美元。公司計劃募集約 500 億元人民幣，並可能於 2027 年在上海科創板上市。
樂聚的人形機器人生态卡位戰
樂聚機器人在準備IPO之際，已對人形機器人零部件、具身AI軟體、資料與應用場景進行13次對外投資。這項策略旨在降低硬體成本、建立多元AI能力，並將夸父從單一機器人拓展為整合式方案，但持續虧損與投資協同效益不明仍是重大風險。
📰
AI 的普及速度比炒作更慢
Sam Altman 表示，儘管模型能力快速提升，他低估了企業與個人在 GPT-4 之後改變工作流程的緩慢程度。他將 OpenAI 理想的發展方向描述為平台：提供統一的 AI 入口與開放給開發者使用的 API，同時強調算力基礎設施、實際部署與可調整的安全實務。
中國新能源汽車產業規模突破千萬輛級
中國工業和信息化部表示，新能源汽車產業在「十四五」期間已由百萬輛級成長至千萬輛級。下一個五年規劃將聚焦汽車產品品質、自動駕駛安全、准入試點，以及「車路雲一體化」發展。
Apple 將 Mac mini 變成本地 AI 節點
Apple 提前發布搭載 M6、M5 Ultra 的新款 Mac mini 與 Mac Studio，藉此展示 2 奈米晶片、多晶粒封裝與本地 AI 算力路線。Mac mini 被重新定位為全天候智能體運算工具，而高記憶體配置與 Mac 叢集則瞄準開發者、小型團隊及重視隱私的企業。
日本 AI Agent 為何止步於 PoC？
Confluent 的調查發現，僅有 17% 的日本企業已在正式環境中運行 AI Agent 等自主型 AI，在受調查市場中排名最低。報告探討企業部署停留在概念驗證階段的原因，以及如何推進至實際營運。
多 AI 並用的企業時代已經到來
Okta Japan 報告指出，約每兩家企業就有一家同時使用多種 AI 工具，而非只依賴 ChatGPT 等單一服務。該報告分析了超過 20,000 個使用 Okta Platform 的組織，為期四年的匿名化存取資料。