@TheZvi: 这看起来超级酷，祝贺大家。
摘要
AVERI 与 Google DeepMind、OpenMined 和 MLCommons 合作，宣布了针对专有语言模型 Gemini 2.5 Flash-Lite 的首次双盲评估，标志着在AI模型评估中的历史性里程碑。
查看缓存全文
缓存时间: 2026/08/30 06:14
这看起来太棒了，祝贺所有人。
AVERI (@AVERIorg):
今天我们宣布一项历史性里程碑：首次对商业语言模型进行的双盲评估。这一成就得益于AVERI、@GoogleDeepMind、@OpenMinedOrg和@MLCommons的开创性合作。
我们对Gemini 2.5 Flash-Lite进行了测试，使用…
相似文章
@GoogleDeepMind: 介绍Gemini 3.5：我们最新的模型系列，结合前沿智能与现实行动。首个…
谷歌DeepMind宣布推出Gemini 3.5，这是一个结合前沿智能与现实行动的新模型系列，首发型号为3.5 Flash，是目前在代理和编码方面最强大的模型。
Gemini 2.5：我们最智能的AI模型
Google推出了Gemini 2.5，这是其最智能的AI模型。Gemini 2.5 Pro Experimental在LMArena基准测试中领先优势显著，并通过改进的思维模型架构展现了增强的推理和编码能力。
Gemini 2.5：我们最聪慧的模型进一步升级
谷歌发布 Gemini 2.5 系列更新，包括性能改进的 2.5 Pro 和 Flash 模型，新增功能包括 Deep Think（增强型推理模式）、原生音频输出和通过 Project Mariner 实现的计算机使用能力。这些模型现已在 WebDev Arena 和 LMArena 排行榜中领先。
Gemini与AI幻觉
讨论Google Gemini模型中的AI幻觉问题，突出大型语言模型在可靠性和准确性方面的挑战。
Inception Labs 的 Mercury 2 AI 在 Google 的 DiffusionGemma 擅长的领域击败了它（4分钟阅读）
Inception Labs 发布了 Mercury 2，这是一个扩散语言模型，每秒可生成约1000个token，在 AIME 2026 基准测试中以 90% 对 69.1% 的得分优于 Google 的 DiffusionGemma，不过 DiffusionGemma 是免费且开源权重的，而 Mercury 2 是付费且闭源权重的 API 模型。