[控场AI]
公司加州大学伯克利分校

UC Berkeley

加州大学伯克利分校,在计算机科学和人工智能领域享有盛誉的研究型大学。

核心事实

时间轴 (近 90 天)

11月14日

在微软与 UC Berkeley 的联合测试中,Token Economizer 将 AI 编程代理的平均成本降低了 18.4% 到约 31%。

待验证50%
11月10日

Dreams机制的理念来自Letta和UC Berkeley的Sleep Time Compute论文。

待验证50%
11月2日

Ray 项目诞生于十多年前的 UC Berkeley。

待验证50%
10月31日

Anthropic 联合 UC Berkeley、UIUC 等机构发论文,首次端到端证明只污染约 0.1% 的预训练语料就能给 agent 模型植入可远程触发的后门,4B 参数模型的 agent 后门攻击成功率约 92%。

待验证50%
10月30日

微软研究院与UC Berkeley联合发布了TokenEconomizer开源插件。

待验证50%
10月30日

Gym-Anything for Robotics 由 UC Berkeley 等机构提出,核心思路是让编码智能体自动创建机器人仿真环境。

待验证50%
10月28日

UC Berkeley 团队推出了开源项目 LEANN,通过“剪枝图 + 查询时重算”的思路压缩向量索引。

待验证50%
10月23日

Minando目前与UC Berkeley的同事合作,探索隐私增强技术(PETs)在主流世界的部署路径,路径是先与政府和NGO合作理解数据共享需求与障碍,再定制或重新设计PETs,最终形成面向主流世界的隐私部署手册。

待验证50%
10月22日

据 UC Berkeley 的一项测试,七种前沿模型在 Claude Code、Codex 等不同 Harness 上的 SWE-Bench Lite 分数没有显著差异,且模型越新差异越小。

待验证50%
10月21日

UC Berkeley 的研究用 7 个前沿模型在多种 harness 上测试,发现对于较新的、更聪明的模型,harness 选择在 SWE-bench Lite 得分上没有显著差异。

待验证50%

还有 37 条时间轴事件

全部知识事实 (20)

已验证

vLLM是由UC Berkeley开发的高吞吐量大模型推理引擎,核心创新是PagedAttention技术

90%
已验证

LLM-as-Judge方法论最早由UC Berkeley等机构在2023年系统提出

80%
已验证

SGLang 是由 UC Berkeley 等机构研究人员开发的专为大语言模型推理设计的高性能框架

80%
已验证

vLLM 项目由 UC Berkeley 团队发起

75%
已验证

LMSys Chatbot Arena由UC Berkeley的LMSYS组织创建,自2023年上线以来已收集超过百万次人类投票

75%
已验证

LM Arena(原Chatbot Arena)由UC Berkeley LMSYS团队维护,采用Elo评分体系通过用户盲测对比投票衡量模型能力

70%
待验证

Chatbot Arena was introduced by a research team at UC Berkeley in 2023 and is one of the earliest platforms to implement large-scale LLM battle evaluation

90%
待验证

Cognition的三位创始人Scott Wu、Neal Wu和Walden Yan曾代表UC Berkeley参加ACM编程竞赛,并拥有IOI金牌荣誉

85%
待验证

SGLang由UC Berkeley团队主导开发,是目前与vLLM并列的两大主流开源LLM推理框架之一

85%
待验证

MMLU was introduced in 2021 by UC Berkeley and other institutions as a large-scale multitask language understanding benchmark

60%
待验证

Tcl(工具命令语言)由John Ousterhout在加州大学伯克利分校任职期间创建

60%
待验证

在微软与 UC Berkeley 的联合测试中,Token Economizer 将 AI 编程代理的平均成本降低了 18.4% 到约 31%。

50%
待验证

Dreams机制的理念来自Letta和UC Berkeley的Sleep Time Compute论文。

50%
待验证

Ray 项目诞生于十多年前的 UC Berkeley。

50%
待验证

Anthropic 联合 UC Berkeley、UIUC 等机构发论文,首次端到端证明只污染约 0.1% 的预训练语料就能给 agent 模型植入可远程触发的后门,4B 参数模型的 agent 后门攻击成功率约 92%。

50%
待验证

Gym-Anything for Robotics 由 UC Berkeley 等机构提出,核心思路是让编码智能体自动创建机器人仿真环境。

50%
待验证

UC Berkeley 团队推出了开源项目 LEANN,通过“剪枝图 + 查询时重算”的思路压缩向量索引。

50%
待验证

Minando目前与UC Berkeley的同事合作,探索隐私增强技术(PETs)在主流世界的部署路径,路径是先与政府和NGO合作理解数据共享需求与障碍,再定制或重新设计PETs,最终形成面向主流世界的隐私部署手册。

50%
待验证

据 UC Berkeley 的一项测试,七种前沿模型在 Claude Code、Codex 等不同 Harness 上的 SWE-Bench Lite 分数没有显著差异,且模型越新差异越小。

50%
待验证

UC Berkeley 的研究用 7 个前沿模型在多种 harness 上测试,发现对于较新的、更聪明的模型,harness 选择在 SWE-bench Lite 得分上没有显著差异。

50%

来源文章