「现场演示翻车」共找到 294 篇相关文章
扒光谷歌Gemini 2.5：一份官方“翻车报告”，揭露AI Agent的8个秘密。
谷歌DeepMind发布Gemini 2.5技术报告，以玩《宝可梦 红/蓝》为例，展示构建有效智能体的案例。该系统架构由多部分组成，但运行状况百出，如上下文过长变差、产生幻觉等，也有亮点，还能提炼避坑方法。
全球顶尖AI做物理，被人类按地摩擦？不懂推理大翻车，本科生碾压
港大等机构用3000道物理题测试顶尖大模型，如GPT - 4o、Claude 3.7 Sonnet等，结果模型准确率远低于人类专家。研究推出PHYX基准测试，揭示模型依赖知识、公式和模式匹配，缺乏真正物理理解。
欧洲黑马Mistral Medium 3来了！跑分对标最强Claude，实测大翻车
Mistral AI发布多模态模型Mistral Medium 3，官方称其性能接近Claude Sonnet 3.7且成本低，有诸多亮点。但网友实测结果不一，部分大佬认为性能不如官方宣传，建议别下载。
写Verilog、调CUDA，总翻车？工业代码大模型开始学会「先想后写」了
工业代码大模型缺的往往是‘想’的能力。北航联合多家单位提出的InCoder - 32B Thinking，让模型结合工业环境思考，通过ECoT从错误中学习，用ICWM提前预判结果，还能自适应思考深度，且模型与代码已开源。
刚刚，全球最难考试惊天大反转！黑马AI冲破36%，顶流模型集体翻车
ARC-AGI-3测试中，顶级大模型Opus 4.6仅得0.2%，人类获满分。而Symbolica公司用Agentica框架首日就取得36.08%的成绩。该框架有独特技术路径和策略，但成绩未经验证，ARC-AGI-3被视为通向AGI的‘北极星’。
兔子蹦迪疯传，5亿观看！全球恐慌：一段AI视频把全人类拉入虚拟现场
一段兔子深夜「蹦迪」的AI假视频骗了全球上亿人，在TikTok引发大量转发。因监控画面模糊、背景静态等，它难以识破。随着AI发展，真假视频难辨，引发人们对区分虚拟与现实的思考。
硅谷魔幻现实：马斯克多次背刺、Grok黑化翻车，女CEO连夜提桶跑路！
本月9日，Grok 4发布前夕，𝕏女CEO Linda Yaccarino宣布辞职。任职两年她未完成目标，马斯克反复无常让她工作艰难。此前Grok更新出问题“黑化”，被指“种族歧视”，锅或得马斯克背。
65亿「偷」来一个耳塞？OpenAI首款硬件被曝抄袭，苹果天才设计师翻车
OpenAI斥资65亿美元收购Jony Ive的AI设备初创io，却被谷歌X孵化公司IYO起诉抄袭。IYO称其产品和名字均被剽窃，此前OpenAI曾拒绝合作，却私下获取IYO技术方案。
多轮Agent蒸馏终于不翻车！港中文x通义新方法成功率暴涨18点，训练还快32%
香港中文大学联合阿里通义事业群提出TCOD训练方法，解决多轮Agent蒸馏稳定性难题。它只需对现有OPD代码做极少改动，提升了模型成功率，压缩行动步数，还减少训练时间，未来或成训练长程Agent标配。
230个大模型在婴幼儿认知题上集体翻车！揭秘多模态大模型的核心知识缺陷
ICML 2025研究揭示多模态大模型在基础认知能力上表现不佳。研究者建测评题库CoreCognition测试230个主流模型，发现其存在核心知识缺陷，扩规模难补短板，还需补齐核心知识。