算法论文7

Claude 3.5 Sonnet售货运营夺冠

新智元2025-05-25

AI 摘要

研究人员用Vending - Bench测试大模型管理自动售货机能力。Claude 3.5 Sonnet净资产表现佳，人类基线可靠性好，各模型长周期表现波动大，经济活动随时间减少。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

PoS破解Agent任务停滞难题

智能体执行长程任务时常出现持续行动却无实质进展的「信念受困」问题，南开大学联合阿里云等机构提出PoS方法，通过显式维护信念状态、检测受困并针对性恢复，在多基准任务中显著提升效果，代码已开源。

本文报道菲尔兹奖得主陶哲轩发表《数学2.0》演讲，梳理近期AI接连攻克重大数学难题的进展，提出AI将数学带入证明过剩的新时代，警示人类不能丢失对数学的理解，呼吁人机合作增强认知。

本文带来谷歌新发布Gemini 4 Argon大模型的多场景实测，对比竞品性能价格，验证其物理推理能力，同时曝光该模型现存问题。

本文报道谷歌正式全球上线Gemini 4 Argon，详细说明了开放范围与定价规则，放出大量谷歌内部及合作方的实际应用案例，覆盖多领域，回应了此前对该模型实用性的质疑。