「OpenAI MLE - Bench」共找到 1988 篇相关文章
GPT-5 的秘密武器：Universal Verifiers
OpenAI开发「Universal Verifier」（通用验证器）技术助力GPT - 5。该技术让一个AI模型检查另一个模型输出质量，解决了强化学习难题，使GPT - 5在多领域表现出色，不过技术可能因人员流动扩散。
GPT-5.2发布，真正的牛马打工人专属AI来了。
OpenAI十周年凌晨2点发布GPT - 5.2。它在部分跑分上提升不大，但在ARC - AGI - 2和GDPval评测集表现亮眼，上下文处理能力也大幅加强。将开放给会员使用，价格比5.1贵。
阿里开源创新AI Agent：媲美Deep Research，Github每日增长第一
人类信息检索能力受限，OpenAI的Deep Research虽能解决难题但闭源。阿里巴巴通义实验室开源AI Agent框架WebSailor，在多基准测试表现出色，核心技术围绕复杂任务生成和强化学习模块展开，在Github成绩亮眼。
Transformer八子初创：AI横扫NP难题竞赛，Top 2%选手竟是智能体！
Transformer作者Llion Jones初创公司测试AI智能体，其在NP难题竞赛中排第21。Sakana AI与AtCoder合作构建ALE - Bench，设计ALE - Agent参赛成绩优异，不过它也有调试难等局限，未来待改进。
GPT-5编程专用版发布！独立连续编程7小时，简单任务提速10倍，VS Code就能用
OpenAI推出GPT-5-Codex特化版模型，支持独立连续编程7小时，有IDE插件版。新模型有“真·动态思考”能力，简单任务提速10倍，复杂任务推理更久。还重构了Codex产品体系，升级IDE扩展等。
GPT-5.6泄露了！
GPT-5.6泄露，150万Token+神级极简UI下月上线。它在前端有质变，能生成高质量UI，上下文窗口达1.5M tokens。OpenAI采取双版本策略，6月还将迎来Anthropic、Google等模型混战，模型迭代周期也在缩短。
Sam Altman亲晒GPT-5实测问答，发布进入倒计时
今日凌晨，OpenAI的Sam Altman晒出GPT - 5实测问答图，意味着其基本完成基础开发，很快发布。不过其回答与其他模型差异不大，但爆料称它代码和商业化能力强，网友对此看法不一，还猜测其对SaaS行业的影响。
打穿 AI 智商测试！GPT-6 Astra 的符号世界模型，是突破还是钞能力刷分？
OpenAI的GPT-6 Astra亮相，在ARC - AGI - 3测试成绩逼近100%，远超GPT - 5.6 Sol。它生成的符号世界模型被认为是AI迈向高级推理必经之路。不过出题人指出其靠Harness加持，离AGI还远。
Auto Research时代，47个没有标准答案的任务成了Agent能力必测榜
Einsia AI旗下Navers lab发布Agent Benchmark——Frontier-Eng Bench，让AI在47个多学科交叉的硬核任务中做工程优化，测试其迭代优化能力。研究总结出AI进化规律，初步勾勒接近真实工程循环的AI系统。
AI 的经济账根本算不通
文章指出AI经济账算不通，如GitHub Copilot将按用量计费，此前微软补贴用户算力；AI订阅服务成本波动大，欺骗用户；AI数据中心建设和运营成本高、收入少，依赖少数客户，OpenAI和Anthropic盈利难，可能影响相关企业。