「GSM8K-V」共找到 1564 篇相关文章
多模态模型具备“物理推理能力”了吗？新基准揭示：表现最好的GPT-o4 mini也远不及人类！
来自多机构研究人员构建PhyX基准测试，评估多模态模型物理推理能力。测试显示，即便表现最佳的GPT - o4 mini准确率仅45.8%，远不及人类的75.6%，且模型在多方面存在结构性缺陷。
美国拟封堵中国AI海外算力通道，东南亚数据中心或受审查
据报道，特朗普政府起草新出口管制规则，拟限制中国企业远程调用第三国先进AI服务器。规则或与Kimi K3模型有关，美国试图将硬件控制延伸到算力使用权，但面临法律界定、执行等难题。
Karpathy头疼的“AI游戏困境”，被这款15分钟出包的国产神器破解了
8月初Andrej Karpathy指出通用AI做游戏时，LLM无法高效审查工作的弱点。而国产平台Spellcaster能先解析自然语言确定游戏设计，15分钟出包，还内置测试员验证，团队想工程化落地新方向。
Vercel 发布新语言 Zero：代码不是写给人看的，而是写给 AI 的
Vercel Labs 发布实验性系统编程语言 Zero，定位是速度快、体积小且便于智能体使用修复。Zero 有工具链契约等特色，v0.3.0 有重大转变，不过在 Hacker News 上遭部分质疑。
深度拆解 Muse Glimmer，24GB 显存跑 30B Agent，Meta 到底做了什么？
昨天，Meta发布约30B参数的多模态Agent模型Muse Glimmer，支持128K级上下文。它采用Apache 2.0许可证开放，有量化版本等。其技术设计围绕显存、上下文管理等问题展开，在多方面做了取舍。
VLM会描述视频，却未必用对参考图：RefCaptioner让参考图与视频语义精准对应
多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner，强化模型对参考图识别感应能力、优化输出格式与奖励函数；还构建 MRVBench 评测基准，实验显示其表现优异。
他给谷歌做出了最火CLI工具，结果被开了
谷歌老兵Poehnelt做的Google Workspace CLI工具获2.8万星，因仓库用谷歌Logo被开除，谷歌随后推出官方版。同时，谷歌人才出走严重，两天走两个诺奖级人物，Gemini核心开发者也跳槽，致股价大跌。
时隔九年，中国超级计算机重登世界榜首
当地时间6月23日，第67届TOP500超级计算机排行榜发布，国家超级计算深圳中心的‘灵晟’（LineShine）夺冠，运算速度达2.198 ExaFLOP/S。它仅用CPU，性能超美国El Capitan超20%，引发对未来计算架构思考。
Anthropic总想摔碎程序员饭碗，甩出了“以后只招两种人”名单。
昨天Anthropic发布新产品Claude Tag，被Karpathy赞为LLM交互第三范式。Claude Tag与之前的Claude Code远程插件有4方面差别。产品负责人Fiona Fung分享，Anthropic人均代码交付量剧增，招人只看两类人。
Hermes Agent抄袭中国团队代码实锤！被锤后回应：你删号
AI圈现教科书级开源抄袭事件，GitHub狂揽8.5万Star的Hermes Agent被指架构级抄袭中国团队EvoMap的Evolver引擎。EvoMap公开技术对比报告，实锤两者架构高度同构，而Hermes团队回应令人失望。