slug
summary
tags
icon
password
北大出手，物理学院天才们教AI「做人」！PHYBench成大模型物理能力试金石
北大物理学院推出PHYBench基准，评估大语言模型在物理推理能力上的表现，涵盖多个物理领域的500个问题，旨在解决现有基准测试的不足，促进AI在真实物理场景中的理解与应用。测试结果显示，当前模型的表现仍显著低于人类水平。
DeepSeek新数学模型刷爆记录！7B小模型自主发现671B模型不会的新技能
DeepSeek的新模型Prover-V2在数学定理证明方面取得重大突破，成功解决了普特南测试中49道题目，并发现了671B模型未能掌握的新技能。该模型通过强化学习和子目标分解的方式，显著提升了推理能力，成为当前形式化数学领域的领先者。
400万token新SOTA！英伟达UIUC联手：兼顾长短上下文顶尖性能
英伟达与UIUC的研究团队提出了一种高效训练方法，将大语言模型的上下文长度扩展至400万token，显著提升了长上下文任务的性能，同时在标准任务中保持竞争力，展示了超长上下文建模的新标杆。
AI圈惊天丑闻，Meta作弊刷分实锤？顶级榜单曝黑幕，斯坦福MIT痛斥
LMArena排行榜被指控存在操控，斯坦福和MIT研究者揭露Meta等公司利用暗箱操作提升排名，导致数据不平等和模型表现偏见。LMArena回应称指控不实，并强调其政策透明。Karpathy建议使用OpenRouterAI作为新评测平台。
o3解读：OpenAI发力tool use，Manus们会被模型取代吗？
OpenAI发布的o3和o4-mini模型增强了tool use能力，o3接近理想的agent，支持多模态推理和代码执行。与Manus等产品相比，o3在任务完成速度和效果上表现更佳，但在视觉推理和编程能力上仍有不足。Codex CLI的推出旨在普及AI编程能力，提升用户体验和市场竞争力。整体来看，o3的进步可能会影响专用Agent产品的技术壁垒。
上一篇
ICML 2025录用结果引争议；微软与OpenAI合作前景不明；DeepSeek推理性能提升20%；全球首个AI科学家天团出道；InfiGUI-R1强化学习提升GUI智能体 | 05月02日AI资讯
下一篇
Meta推出独立AI助手融合社交元素；DeepSeek开源671B参数模型；清华吸引前DeepMind科学家；阿里妈妈发布世界知识大模型；Qwen 3开源战略破局 | 04月30日AI资讯
- 作者:AI学长小林
- 链接:https://ai.linbintalk.com/article/1e6629a6-152d-815a-bccc-dcd4d5252e2a
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。