「学术评价」共找到 277 篇相关文章
T2R-Bench发布：业内首个由表格生成报告工业基准
为解决大语言模型将表格信息转化为报告的难题，研究团队提出“表格到报告”任务，构建双语基准T2R - bench，其涵盖多垂域表格，还设计评价指标体系，实验显示大模型在该基准上提升空间大。
GPT-5.2被曝作弊！偷袭谷歌竟靠拉爆token刷高分，不如Gemini 3
新智元报道，OpenAI刚发布GPT - 5.2就被指「作弊」，其在基准测试中或调参数使模型用更多算力资源。有用户发现它消耗远超对手的token才获成绩，真实能力或与Gemini 3相当。此外，还揭示了OpenAI为商业利益牺牲学术独立的问题。
GPT-5.6攻克25年量子信息难题，人类学者连夜「像素级」洗稿发论文
7月23日，量子信息领域一道悬了25年的难题出现两份独立证明，一份由GPT - 5.6 Sol生成，另一份人类署名论文被质疑与GPT - 5.6 Sol输出相似且无AI使用声明。GPT - 5.6 Sol半月内已在多学科产出证明，引发学术署名规则讨论。
刚刚，OpenAI正式发布o3-pro！奥特曼激动更新博客：温和的奇点
今日凌晨，OpenAI发布o3-pro，Pro订阅用户可通过ChatGPT和API使用。其在多项任务表现出色，但在ARC-AGI数据集上与o3相近且成本高。网友测试评价不一，此外OpenAI CEO奥特曼还发表博客展望AI未来。
论文秒变PPT！西湖大学AGI Lab推出Auto-Slides，科研汇报难度骤降
西湖大学AGI Lab推出Auto - Slides，输入论文PDF可自动生成演示文稿，支持自然语言交互修改。它采用多智能体协作框架，经实验验证优势明显，有望用于学术会议等场景，助力知识传递。
DeepSeek V4「满血版」曝光了！最快明天发布
全网等近三个月，DeepSeek V4正式版或最早明日发布。有Flash和Pro两版本，开发者评价其性能接近Opus 4.8，Agent能力增强。首轮测试外流，评价不一。还将引入「峰谷计费」，性价比仍高。
智能流体力学专题研讨会特邀报告2｜肖恒：turbX——基于多目标学习的通用数据驱动湍流建模
2026年8月，第十四届全国流体力学学术会议在山东青岛举行，智能流体力学专题研讨会展示了人工智能与流体力学交叉研究进展。本次聚焦《turbX：基于多目标学习的通用数据驱动湍流建模》报告，研究来自斯图加特大学相关机构。
OpenAI的新浏览器实测被吐槽疯了？走“乔布斯风”、挖谷歌骨干，奥特曼就“复制”出个ChatGPT版Chrome？
OpenAI发布全新网页浏览器ChatGPT Atlas，其将ChatGPT置于网页体验核心，有常驻侧边栏助手等功能。虽冲击谷歌，但用户实测反馈不一，且此类智能代理浏览器存在新安全风险。
Claude Sonnet 4.5被炸出来了，依旧最强编程，连续30小时自主运行写代码
新发布的Claude Sonnet 4.5在SWE - bench等多项测试中成绩提升，能连续30小时自主写代码，还改善了对齐和安全性指标，且提质不加价。此外，Anthropic官宣Claude Agent SDK，发布Imagine with Claude功能。
上海外滩大会官方艺术展《纠缠，而后日以作夜》
本文介绍2026 Inclusion·外滩大会首届官方AI概念艺术展《纠缠，而后日以作夜》，是外滩大会创办以来首个AI艺术节板块，也是国内首个Agent导览的AI概念艺术展，梳理AI艺术发展脉络，探讨人机共生关系，呼吁保留人类决策能力。