算法论文8

OMEGA基准揭示LLM数学推理深层瓶颈

深度学习自然语言处理2025-06-25

AI 摘要

UC Berkeley团队提出OMEGA基准评估LLM数学泛化能力。实验发现复杂度让模型性能崩塌，存在计算回避，RL泛化有局限，指出LLM机械重复易、创新组合难，给出短长期改进方向。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Meta新大模型跑分刷榜实测翻车

本文报道Meta发布全新大模型Muse Wonder，官方宣称跑分超越GPT-6 Astra与Claude Opus 5.5，砸千亿冲击前沿大模型梯队，却遭开发者实测翻车，引发刷榜作弊争议，梳理了模型优缺点与Meta的AI战略布局。

Meta发布两款全新旗舰大模型Muse Wonder与Muse Wonder Full，多项基准测试反超GPT-6 Astra和Claude Opus，长任务编程、专业能力测试表现领先，依托吉瓦级超算训练，已正式上线开放服务。

本文曝光硅谷AI巨头谷歌、OpenAI、Anthropic暗中集体冲刺递归自我改进（RSI）技术，多家已出现AI自主写代码、优化模型的早期迹象，业内热议RSI或将加速超级AI到来，带来不可控的生存风险。

本文报道Meta超级智能实验室成立一周年发布重磅新模型，Muse Wonder模型家族多项测试成绩顶尖，仅落后Opus 5.5两分，具备四大核心能力，解决行业跑分虚高痛点，现已正式上线。