算法论文8

港科大推本科数学评测基准

AI科技大本营2025-06-09

AI 摘要

港科大团队：推出 UGMathBench 评测基准评估 LLM 本科数学推理能力。测试显示，当前模型推理不稳定，闭源与开源有差距，学科表现分化，在高阶概念推理和符号运算上不足。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

千问推电商Agent 开店成本大降

本文报道千问办公推出独立第三方电商Agent产品千问办公电商版，接入多平台主流电商工具，可帮商家实现跨电商平台经营管理，大幅降低开店试错成本，目前已面向商家开放邀测。

本文介绍苹果基础大模型团队与杜克大学联合提出的LensVLM方案，针对长上下文压缩易丢失关键信息的痛点，提出将长文本压缩为图像、模型按需展开细节阅读的新思路，相关研究已被NeurIPS 2026接收，公开了模型、代码与可体验Demo。

本文为王博在《AI原生软件研发成熟度模型AISMM 2026》白皮书发布之际撰写，探讨AI Agent介入后软件形态、研发流程的变革，提出柔性软件概念与传统软件柔性化路径，为企业AI原生研发提供参考。

本文作者实测体验阶跃终端推出的首款大模型原生Agent手机STEPX Neo，介绍了产品设计、原生Agent系统能力、创客开发生态与系统级安全方案，公布了产品定价与用户福利。