「OpenAI MLE - Bench」共找到 1988 篇相关文章
首个地球科学智能体Earth-Agent来了，解锁地球观测数据分析新范式
上海人工智能实验室与中山大学联合研发的 Earth - Agent 解决了多模态大语言模型用于地球科学研究的痛点。它将领域知识工具封装化，利用 LLM 智能规划调度。经 Earth - Bench 评估，其在多方面表现出色，未来发展前景广阔。
九成以上模型止步白银段位，只有3个铂金！通用AI下半场评测标准来了
OpenAI研究员姚顺雨提出AI发展步入新阶段，下半场关键在评估模型真实智能。新加坡国立大学等团队提出“通才智能”评测框架，剖析多模态大模型短板，推出五级评估体系和测试集，测试结果暴露模型弱点，引发社区积极反响。
3亿美金种子轮！ChatGPT大神联手DeepMind牛人，要造一个真正的“AI科学家”
9月30日，OpenAI的ChatGPT创造者之一William Fedus和谷歌DeepMind的GNoME项目负责人Ekin Dogus Cubuk成立Periodic Labs，获3亿美元种子轮融资。公司要创造“AI科学家”和自主实验室，从物理科学切入，解决超导、半导体等领域问题。
Claude用户退订潮！被指高峰期偷换缩水模型，工程师列9大罪状呼吁全网退订
Claude出现大危机，AI工程师带头呼吁退订，列9大罪状，如高峰时段偷换缩水模型等。不少用户退订，转投OpenAI Codex，其使用量激增。这也让国产模型等获更多尝试，CLI AI编程模式受重视。
DeepSeek揭秘o1后，小红书似乎破解了o3的技术路线，还开源了~
OpenAI闭源后，大家不知其先进模型技术路线，解密成重要任务。DeepSeek R1年初开源后引发关注，小红书团队核心贡献的论文似破解o3谜题，还开源模型等，为训练调优提供可行路线。
智谱GLM-5.1深度评测：8小时连续工作，开源大模型进入"工程交付"新纪元
2026年4月8日智谱发布GLM-5.1，它是全球首个通过真实工程任务验证8小时持续工作能力的开源模型，在SWE-Bench Pro上超越GPT-5.4等登顶。该模型性价比高、技术创新多，还适配国产硬件，开源生态友好。
毕业7年，身价破亿！清北AI天团血洗硅谷，奥特曼被逼分天价股份
清北中科等名校毕业生在硅谷成超级明星，谷歌因Meta挖人给员工涨薪，OpenAI为留人给部分员工加薪、送1/3股权。AI人才薪资差距大，国内AI人才也多出身名校，需求和高薪职位增长快。
ChatGPT转型计划曝光！不再只是回答问题，而是通过穿插使用工具变身行动助手
OpenAI CPO Kevin Weil在访谈中透露，ChatGPT将从回答问题转变为为用户做事，通过穿插使用工具解决复杂问题。当下模型成本已是GPT - 4的500倍，未来将不断降低API价格，还提及模型效率突破关键等内容。
Transformer上限触顶，Mobius能否引发下一代模型架构的革命？
自ChatGPT问世，Transformer上限备受关注。前OpenAI、Google负责人称其走到尽头。国内改进架构受算力限制。上海人工智能实验室的书生Mobius团队提出分离知识与推理的架构，有望解决商用等关键问题。
都说记忆是Agent标配，但MemSyco发现漏算了一件事
厦门大学与吉林大学的最新研究指出，随着大模型Agent具备长期记忆，虽成为“长期协作者”，但也出现Memory-Induced Sycophancy问题。为此提出MemSyco - Bench评测基准，经实验得出多项发现，指出Agent Memory关键瓶颈转变。