新闻资讯8
字节发布FutureX，Grok - 4预测夺冠
AGI Hunt
AI 摘要
字节跳动发布FutureX，改变传统AI基准测试规则，杜绝作弊。Grok - 4在25个模型评测中夺冠，人类专家在复杂预测任务上仍领先AI，AI提升空间大。
阅读原文 · AGI Hunt
字节发布全球首个预测未来基准FutureX，Grok-4 拿下冠军
字节跳动发布全球首个实时未来预测基准测试FutureX，杜绝模型作弊。在25个模型评测中，Grok - 4夺冠。它从多网站构建问题，分四级难度。人类专家在部分等级仍领先AI 。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
新闻资讯7
J-Space让V4 Pro超Fable 5？测试结果翻车！
前两天J-Space凭夸张测试结果刷屏，宣称一份Skill接入Agent环境，能让V4 Pro在多基准大幅提升，部分成绩超Fable 5。但社区复测结果相反，作者未公开完整评测记录，还删质疑帖，引发公开打假。
机器之心
新闻资讯8
OpenAI揽菲尔兹奖得主，字节布局科研
今年菲尔兹奖得主之一Jacob Tsimerman将入职OpenAI安全部门。当下顶尖科学家流向头部大模型公司，AI与前沿科学融合成趋势。字节发布Seed STEM科学家计划。大模型下半场比拼基础研究，构建评测基准很重要。
机器之心
开源动态7
Stripe测试：AI智能体校验环节有短板
Stripe推出基准测试套件，评估AI智能体构建完整Stripe集成方案的能力，测试聚焦金融系统贴近生产环境的集成场景。测试显示，不同任务类型评测结果差异显著，核心瓶颈在于验证环节，当前智能体短板在校验逻辑等方面。
InfoQ
新闻资讯8
ALE考试：AI距替人干活还差得远
AI飞速进步，人类最后考试（HLE）已不够用，伯克利牵头推出智能体最后的考试（ALE）。ALE真实、全面、可验证，当前最强AI在最难档通过率仅8.6%，主流系统平均2.6%，显示AI距替人干活尚远。
AIGC开放社区