「OpenAI MLE - Bench」共找到 1988 篇相关文章
“神经-符号”融合规划器性能显著超越o1：借鉴人类运动学习机制｜中国科学院磐石研发团队
中国科学院磐石研发团队提出新型“神经 - 符号”融合规划器，融合神经与符号规划系统优势，借鉴人类运动学习机制构建双向规划机制，在规划覆盖率和效率上显著超越OpenAI o1，已加入“磐石·科学基础大模型”。
一年吃掉一块固态硬盘，Codex日志bug被骂「劣质软件」
OpenAI旗舰编程工具Codex因日志Bug，一年写入量达640TB，耗尽硬盘寿命。该问题4月就有反馈，拖两月才处理，仅减少约85%写入。Codex类似问题至少9个，AI编程工具质量引质疑。
1个月干完15个月！Claude Mythos猎杀271个漏洞，有的藏了20年
Mozilla深度复盘显示，Firefox团队用Claude Mythos Preview，单月修复423个安全漏洞，超此前15个月总和。它挖出271个漏洞，含180个高危，还找到沙箱逃逸漏洞。此外，Anthropic与OpenAI在AI安全能力竞赛中路线不同。
Sam Altman 与开发者的一小时：GPT-5 的坦白、招聘放缓、以及 2026 年最担心的事
2026 年 1 月 27 日，Sam Altman 在 OpenAI 开发者 Town Hall 上回答广泛问题。他承认 GPT - 5 写作搞砸，宣布大幅放缓招聘，称若 2026 年 AI 出大问题，生物安全或成合理押注，还谈及软件工程、GTM 等多方面看法。
估值840亿AI实验室再放大招，他们要给大模型戴上「紧箍咒」
新智元报道，OpenAI前CTO创办的Thinking Machines Lab发布研究「模块流形」，将传统数值修正转为「预防式」约束优化。它提出新范式，为训练大模型提供新思路，还介绍了流形优化器及相关算法。
GPT-5问题太多，奥特曼带团回应一切，图表弄错是因「太累了」
GPT - 5发布后问题频出，在数学、逻辑、编码任务中失误不断，还出现低水准图表错误，引发吐槽质疑。OpenAI联合创始人Sam Altman等在Reddit AMA活动中回应问题，给出解决方案并分享未来规划。
数学题干带猫AI就不会了！错误率翻300%，DeepSeek、o1都不能幸免
研究发现，在数学题后加如“猫一生绝大多数时间都在睡觉”这类话术，会让大模型答错概率翻3倍，DeepSeek - R1、OpenAI o1等推理模型中招。研究探索攻击方式，总结出三种攻击模式。
有人把 Opus 4.6 换掉了，成本省了 97%
智谱开源 GLM - 5.1，数小时获两百万 + 阅读，海外反应更热烈。它在多个编码基准测试成绩优异，如 SWE - Bench Pro 全球第一。还能完成长程任务，有开发者已用其替换 Opus 4.6 节省成本，但速度问题待解决。
编程进入「对讲机」时代！Claude抢发语音写代码，转录Token全免费
Anthropic给Claude Code加语音模式，输入 /voice，长按空格说话即可输入，转录Token全免。OpenAI的Codex也更新类似功能。语音编程在Debug、架构讨论等场景好用，但识别变量名等仍有短板，未来编程将多模态。
中国 AI 正处于反超美国的前夜
2025下半年中美AI圈有新现象，一是认可中国AI崛起或反超，如海外企业用通义千问，MiniMax开源模型编程能力强；二是资本豪赌与泡沫风险加剧。中国AI成本低、性能优、ROI高，MiniMax或成中国版OpenAI。