Correlations：氛围测试你的向量模型
Correlations：氛围测试你的向量模型在今年 ICLR 会议上，我们被问到最多且最有意思的问题是：像 Jina AI 这样的向量搜索模型提供商，除了在 MTEB 上做基准测试，会不会做些氛围测试 （Vibe-testing)？
来自主题: AI技术研报
10668 点击 2025-05-31 15:20
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
在今年 ICLR 会议上，我们被问到最多且最有意思的问题是：像 Jina AI 这样的向量搜索模型提供商，除了在 MTEB 上做基准测试，会不会做些氛围测试 （Vibe-testing)？
好家伙，AI意外生成的内核（kernel），性能比人类专家专门优化过的还要好！
GPT-4o-Image也只能完成28.9%的任务，图像编辑评测新基准来了！360个全部由人类专家仔细思考并校对的高质量测试案例，暴露多模态模型在结合推理能力进行图像编辑时的短板。
FLUX.1 Kontext是一款融合即时文本图像编辑与文本到图像生成的新一代模型，支持文本与图像提示，角色一致性强，速度快达GPT-Image-1的8倍。
现在，请大家一起数一下“1”、“2”。OK，短短2秒钟时间，一个准万亿MoE大模型就已经吃透如何解一道高等数学大题了！而且啊，这个大模型还是不用GPU来训练，全流程都是大写的“国产”的那种。
字节跳动开源了一个口碑还不错的模型——BAGEL （ByteDance Agnostic Generation and Empathetic Language model）, 一个统一多模态基础模型。啥叫“统一”？一个模型就能同时理解和生成文本、图像、视频！
就在刚刚，中兴通讯星云大模型获推理榜总分第一，总榜并列第二！而在数学推理、科学推理、代码生成的细分赛道上，它同样表现抢眼。更难得的是，它是业内少数通过国家级权威安全认证的大模型。
最近，Yoodli宣布完成了1370万美元的A轮融资，由Neotribe Ventures领投，Madrona和Cercano等现有投资者跟投。这使得他们的累计融资超过2000万美元。但让我感兴趣的不仅仅是融资数字，而是这家公司正在创建的全新品类：AI角色扮演。
在 「What's Next｜科技早知道」 的播客节目中，峰瑞资本执行董事 刘鹏琦 和「声动活泼」联合创始人&「科技早知道」主播 丁教Diane ，以及「科技早知道」节目监制 雅娴 ，围绕具身智能赛道所处的新阶段与核心挑战，探讨了以下问题，包括但不限于：
文章以第一人称视角，讲述一名AI自媒体博主因行业竞争与技术迭代陷入深度焦虑的过程，最终通过反思意识到焦虑源于攀比与生存恐惧，而非技术本身。核心观点是接纳自身局限、明确独特价值、转向合作与好奇驱动，并提出三条实用建议，强调应对AI焦虑需聚焦个人定位而非盲目追赶。