行业与实践 · 标签「百度」

最新优先最早优先

查看全部

研究与基准测试2026-10-135 分钟
平台当客户端：百度百舸用自定义镜像跑具身评测
百度百舸《创建自定义推理镜像的评测任务》更新于 2026-10-13。平台调度仿真、分片并合并结果，镜像只做推理服务端。框架不必和预置模型一致。端口和超时不在这一页。
研究与基准测试2026-09-308 分钟
400 个视觉 token 对上 10368：百度用固定语言模型评 CoVisco
语言模型固定为 Qwen3-4B。只送 400 个摘要 token 时，多项视频分数高于把 10368 个 token 都送进语言模型的对照。DocVQA 在只送摘要时是 20.5，比例 0.8 才到 75.1。
研究与基准测试2026-09-2911 分钟
会话级正确率不到 5%：百度 CypherTurn 测的是多轮 Cypher，不是单条查询
百度参与的 CypherTurn 用 721 个会话、5927 轮评多轮 Text-to-Cypher。引导协议最好只到 64.7% 执行准确率，会话全对最高 33/721。换成自主协议后榜首从 Claude 换成 Gemini，加到 10 倍动作预算也补不回。
研究与基准测试2026-09-207 分钟
一周线上观看时长涨 0.96%，公开集只有 7583 个物品：百度怎么测统一检索排序
KuaiRand-Pure 上 HR@10 从 0.0511 到 0.0575。手机百度一周全量对照里，总观看时长 +0.96%，总分发量 +1.08%。线上只给相对涨幅，没有绝对基线。
研究与基准测试2026-09-148 分钟
长视频 85.1% 大约 5.1 万 token：百度按问题现查，不先建全片索引
百度 VideoXAgent 在 Video-MME-Long 上 85.1%，52 帧、约 51k 上下文。MINERVA 公开集 1357 题上，纯文本调度 GLM-5.2 到 65.4%，Claude-Opus-4.6 到 65.7%，上下文 33.7k 和 37.1k。37.1k 约是 1024 帧对照 262.1k 的 14%。
研究与基准测试2026-09-099 分钟
跨设备依赖一断就归零：百度参与的 JarvisGUI 用终态评 GUI
150 道组合题，最好的整题成功是 HOLO2 的 12/150（8.0%）。多设备有依赖的整题成功率最高 2.0%，六行里四行是 0。换规划器到 Kimi K2.6，这一格仍是 2.0。
研究与基准测试2026-08-138 分钟
问答最高 86.46%，改图代码只有 0.51–2.98：百度用 TikZ 测科学图
百度 Diagram-MMU 用 3.7k 张科学图、18.3k 道题测十二个模型。问答最高 86.46%，被改部分的 CrystalBLEU 只有 0.51 到 2.98。Agent 小集上多数模型改图上升、问答下降，三件事都涨的只有 Claude-4.6 Opus。

平台当客户端：百度百舸用自定义镜像跑具身评测

400 个视觉 token 对上 10368：百度用固定语言模型评 CoVisco

会话级正确率不到 5%：百度 CypherTurn 测的是多轮 Cypher，不是单条查询

一周线上观看时长涨 0.96%，公开集只有 7583 个物品：百度怎么测统一检索排序

长视频 85.1% 大约 5.1 万 token：百度按问题现查，不先建全片索引

跨设备依赖一断就归零：百度参与的 JarvisGUI 用终态评 GUI

问答最高 86.46%，改图代码只有 0.51–2.98：百度用 TikZ 测科学图