「OpenAI MLE - Bench」共找到 1988 篇相关文章
腾讯Youtu-agent 不会代码，也能搞定数据分析+深度研究+HTML报告
腾讯开源的Agent框架Youtu - agent灵活高性能，可用于数据分析等多任务。基于openai - agents构建，适配多种模型API等。突出优势是能自动化生成智能体及其配置，采用YAML配置方案，有内置‘元智能体’，还完全异步。
刚刚英伟达核弹级战略曝光！老黄宣布联手奥特曼圈地圈电，狂卷16GW算力霸权
英伟达宣布亲自下场锁定土地、电力和厂房等资源建超级AI工厂。与SB Energy联手在美拿下LPS容量，租客是OpenAI。文章分析合作原因、价值，解答外界疑问，称英伟达成全栈AI基建平台。
ICML 2025 | 大模型能在信息不完备的情况下问出正确的问题吗？
当前大语言模型推理研究多聚焦被动推理，主动推理研究少，制约其在现实场景应用。为此提出 AR - Bench 基准评估大模型主动推理能力，实验显示大模型主动推理能力严重不足，并指出后续拓展方向。
GPT-5.3爆更前夜，全网都被一张图吓到！ChatGPT人格大赏
OpenAI华人研究员Joanne Jang一条推文引发ChatGPT生图玩法热潮，它能根据聊天记录生成反映‘待遇’的自画像。近期ChatGPT记忆功能优化，已向全球Pro和Plus用户推出。还有爆料称GPT - 5.3要来了。
GPT-5 之后，我们离 AGI 更近了，还是更远了？
2025年8月8日OpenAI发布GPT-5，架构有革新，在基准测试成绩优异，但跑分现场PPT出错、被Grok 4击败。它在编程表现出色、价格有竞争力，写作能力有争议，模型幻觉和提示注入攻击问题待解。
AI狂飙100天，中国力量突起！顶流视频号10分钟看尽全球最强杀招
2025年开年，全球AI版图重绘，从中国DeepSeek开源风暴到OpenAI闭源反击，双方在算力、模型等层面激烈碰撞。各月双方均有新动作，4月AI迈入全民普及，新智元联合视频号推出活动助掌握科技风向。
Claude新政，抛弃最忠实的Agent用户
6月15日起，Anthropic将Agent SDK用量从订阅中剥离，按API零售价另给固定额度，重度用户可用量缩水近十倍。OpenAI趁机推出Codex企业免费迁移。这是ASI决赛圈定价战，AI付费或转向按实际消耗计费。
疯了……Claude 最强风控：验你实名身份证！
Anthropic更新支持文档，宣布在Claude平台引入身份验证机制，目的是防滥用、执行政策和履行义务。验证需有效证件、带摄像头设备，由Persona Identities处理数据。此前OpenAI也有类似机制，这或加剧AI使用人群分化。
英伟达员工晒年终奖，黄仁勋霸气签皮衣；Moltbook爆火：当AI有了自己的社交网络；又一“95后”清华天才科学家庞天宇加盟腾讯混元 | Q资讯
本文汇总 AI 行业热点，有 Moltbook 成 AI 社交平台且爆火；OpenAI 两款产品用户流失；亚马逊、Meta 裁员；英伟达年终奖、合作协议情况；阿里发布千问新模型；还有大厂春节发红包竞争，DeepSeek 布局新领域等消息。
测试时Scaling或是最大错觉，Google：R1/O1强推理另有原因
Google 112 页论文实证，OpenAI 的 o 系列等模型推理能力提升并非仅因计算时间延长，而是源于对复杂互动的隐式模拟。通过三重验证表明推理能力跃迁或因‘吵得更凶’，而非‘算得更久’。