1
刷新国内纪录，合肥幺正量子离子阱量子计算机通过 QV128 基准测试
IT之家 10 月 10 日消息，据合肥高新发布今日消息，近日， 合肥幺正量子科技有限公司 （以下简称“幺正量子”）自主研发的离子阱量子计算机通过量子体积（Quantum Volume，QV）128 基准测试， 刷新国内公开报道中的最高纪录 。 ▲ 幺正量子 QV128 测试中的随机量子线路图（图源…
2
OpenAI 多次修改 GPT-6 Astra 基准测试数据，部分成绩一度大幅变化
IT之家 9 月 6 日消息，据 Fortune 报道，OpenAI 自当地时间 9 月 3 日下午首次发布 GPT-6 Astra 模型公告以来，已经多次修改其中的评测基准数据。一些更新后的数据显示，Astra 的表现有所提升，而 OpenAI 最大竞争对手 Anthropic 旗下模型的部分成绩…
3
小米表格结构化数据大模型 TabLDM 发布开源：四大基准评测第一梯队，回归能力登顶 OpenML-CTR23
IT之家 9 月 5 日消息，小米今日正式发布通用表格数据基础大模型 Xiaomi-TabLDM。 据介绍，该模型以单一预训练模型、统一默认配置直接适配不同表格数据集，无需针对每个任务重新训练、调参或后置集成，即可完成分类与回归预测。 长期以来，金融、医疗、制造、物流等领域大量核心数据以表格形式存在…
4
我国北斗基准站服务数据首次向社会共享开放
IT之家 9 月 4 日消息，央视新闻今天（4 日）从自然资源部了解到，我国卫星导航定位基准站网服务数据正式启动授权运营，这也意味着全国北斗基准站一张网服务数据首次向社会共享开放。 自然资源部表示，这次授权运营，按照 安全可控、优质高效 的原则，面向重点行业和市场主体开放，让基准站公共数据合规流通起…
5
我国首版全国几何基准影像成果发布，定位精度提升 1 倍以上
IT之家 8 月 28 日消息，据自然资源部官方公众号，在 8 月 27 日自然资源部召开的例行新闻发布会上，我国首版全国几何基准影像成果正式发布。该项成果是自然资源部积极服务数字中国建设、推动测绘地理信息事业转型升级的重大标志性成果，也是面向社会服务的测绘地理信息新型公共产品。 IT之家从官方介绍…
6
谷歌推出全球首个双盲 AI 评估技术，基于加密环境保障基准测试公正性
IT之家 8 月 27 日消息，谷歌宣布推出 全球首个针对前沿专有 AI 模型的双盲评估 ，将外部评估限制在加密“黑箱”环境中，避免模型提前获取测试信息来优化性能。 就像学生考前不能提前看到试题才能真实反映水平一样，当前 AI 模型评估也面临同样问题：如果模型提前接触测试题目（IT之家注：也就是所谓…
7
OpenAI’s Jalapeño chip is built for fast inference at scale, benchmarks show
OpenAI自研Jalapeño芯片基准测试曝光，专为大规模快速推理而生，直面英伟达Blackwell。
Tested on SemiAnalysis’ InferenceX benchmark, Jalapeño registered both more tokens per user and more throughput per kilowatt than the currently availa…
8
ATP-Bench: Towards Agentic Tool Planning for MLLM Interleaved Generation
多模态大模型如何自主规划工具生成图文交织内容？首个基准ATP-Bench来了。
arXiv:2603.29902v2 Announce Type: replace Abstract: Interleaved text-and-image generation represents a significant frontier for Multimodal Large Langu…
9
MedReaMM: Evaluating Large Multimodal Models on Expert-Level Clinical Diagnostic Synthesis
破解AI看病难题：全新基准MedReaMM如何考核多模态大模型的专业诊断整合能力
arXiv:2608.22323v1 Announce Type: new Abstract: The application of Large Language Models (LLMs) to diagnostic decision-making has garnered growing int…
10
Omni-SafetyBench: A Benchmark for Safety Evaluation of Audio-Visual Large Language Models
首个聚焦音视频大模型安全性的基准，曝光跨模态越狱漏洞，为多模态安全研究提供关键测试标准。
arXiv:2508.07173v3 Announce Type: replace Abstract: Omni-modal Large Language Models (OLLMs) that integrate visual, auditory, and textual processing f…
11
Show HN: Poka-Yoke – mistake-proofing skills for Claude Code, with a benchmark
为Claude Code打造防错技能，经591次盲测验证，六类模型均显著提升。
Article URL: https://github.com/rainmanjam/poka-yoke Comments URL: https://news.ycombinator.com/item?id=49427559 Points: 1 # Comments: 0
12
Beyond RGB: Benchmarking and Enhancing MLLMs for Hyperspectral Image Understanding via Training-Free Reasoning Framework
多模态大模型不止看懂RGB，高光谱成像理解迎来全新基准与免训练推理框架。
arXiv:2604.08884v2 Announce Type: replace-cross Abstract: Multimodal Large Language Models (MLLMs) have achieved strong performance on RGB image under…
13
Show HN: CookWing, an AI chef that doesn't hallucinate quantities
AI厨师不瞎编调料量？CookWing用溯源锚定表格解决份量幻觉，还自建基准测试。
Hey HN! I just released Cookwing. This is an AI app that solves the biggest problem I had when I was cooking with ChatGPT : The quantities are often h…
14
Stress Testing Unlearning Algorithms
系统检验机器遗忘算法在极端压力下的鲁棒性，为隐私保护研究划出新基准。
arXiv:2608.22527v1 Announce Type: new Abstract: Recently, machine unlearning, the removal of specific training data influence from a model, has gained…
15
Benchmarking Patent Drafting from Inventor-Style Disclosures
科研新基准：从发明人式披露生成专利文本，直击大模型专业写作能力短板。
arXiv:2608.21249v1 Announce Type: new Abstract: While recent large language models (LLMs) have achieved promising results on individual patent draftin…
16
I Shouldn't Need an LLM to Explain My LLM
揭秘AI圈“自我舔舐”陷阱：用LLM解释LLM，代码生成的测试金标准还能可信吗？
Article URL: https://daviesgeek.com/I-Shouldn%E2%80%99t-Need-an-LLM-to-Explain-My-LLM Comments URL: https://news.ycombinator.com/item?id=49409282 Poin…
17
Nvidia just showed that the harness, not the AI model, is now the real hero
别只盯着模型参数，一个调教得当的“缰绳”竟能让Claude Opus 5在推理基准上满分通关。
Nvidia research shows that AI agents can perform well, and not go off the deep end, through fine-tuning, even if the AI model isn't that great at the …
18
I benched frontier AI LLM models on politics, ethics, and personality traits
前沿AI模型的政治立场、伦理取向与人格特质，一次基准测试看透底牌
Article URL: https://www.blackbench.ai/ Comments URL: https://news.ycombinator.com/item?id=49382540 Points: 3 # Comments: 2
19
PersonalBench: Measuring the Authorship Gap in LLM Personalization
不看任务准确率，专测AI模仿你文风的“神似度”，PersonalBench填补了个性化写作评测空白
arXiv:2608.19746v1 Announce Type: new Abstract: Personalized text generation aims to make LLMs write in a specific individual's style, yet existing be…
20
AI4AI-Bench: Benchmarking LLM Agents in Algorithmic Design for Recursive Self-Improvement
首个面向递归自我改进的AI智能体算法设计基准，直击AI自我进化核心命题。
arXiv:2608.20318v1 Announce Type: cross Abstract: Recursive self-improvement (RSI) asks whether an AI system can improve the process that produces AI …