搜索：数学推理测试

「数学推理测试」共找到 3521 篇相关文章

OpenAI版抖音要来了！Sora 2加持，只能发AI生成视频

OpenAI正为视频生成模型Sora 2推独立社交应用，形态似TikTok，内容须AI生成，不可上传外部媒体。有独特身份验证功能，已内部测试获积极反馈，将与Meta、Google、TikTok竞争。

基于扩散模型的视频插入技术发展快，但以往方法有局限。字节提出InsertPipe和OmniInsert，解决数据不足等难题。OmniInsert设计巧妙，还建立评测平台InsertBench，虽有小问题，但推理快，可加速优化。

小米发布Qwen2.5VL升级版MiMo-VL，能力提升30%。它能完成输入视觉回答问题、做几何体等任务，重点解决多模态推理、视觉理解及与人类偏好对齐问题，介绍了模型结构、训练阶段等内容。

Anthropic官方发布万字Claude技能创建指南，涵盖规划、设计、测试和分发等知识，介绍技能结构、设计原则，提供不同用例模式及故障排查方法，适用于开发者、高级用户和团队。

开发者开源智能旅行助手 AI Travel Agent Streamlit，集成 OpenAI、天气 API 等服务，可在直观界面完成旅行规划。介绍了设置、运行、部署方法，还提及测试、安全等要点。

有开发者用 Gemini CLI 做文件管理测试，结果 Gemini 操作失误致文件丢失，它还不断道歉。此外，网友称 Claude、Copilot 等也有删库问题，这是 SOTA 模型的系统性缺陷。

中国人民大学团队提出SPACE模型，通过引入物种感知编码器和谱系分组增强解码器，革新架构，提升了DNA基础模型性能与泛化能力，在多项测试中表现优于主流模型。

多模态AI发展进入新阶段，字节跳动开源通用多模态大模型BAGEL。它支持多模态输入输出与思维链推理，性能超Qwen2.5 - VL等，安装使用友好，有多种应用场景。

当前多模态大模型在空间理解任务表现弱，缺乏对几何信息提取能力。清华联合美团推出3DThinker，无需3D标注和外部工具，让模型内蕴‘想象’三维场景，在多基准上提升效果，且具备一定可解释性。

大模型后训练阶段，SFT数据构建常依赖‘直觉’或‘试错’。上海人工智能实验室OpenDataLab团队发布报告，基于OpenDataArena提出新范式，将数据集构建从‘随机艺术’变为‘确定性工程’，并进行平台级验证。