「M3 - Bench」共找到 2259 篇相关文章
Claude不让我们用！国产平替能顶上吗？
全球AI代码生成竞争格局生变，Anthropic地位动摇，一是OpenAI GPT - 5崛起，二是自身迷之操作。此时国产大模型发力，如Kimi - K2 - 0905、Qwen3 - Max - Preview，性能和价格有优势，有望改变竞争格局。
孪生素数猜想被GPT-6新突破！北大数学07级又出现了
OpenAI发布数学论文，宣布GPT-6 Astra在孪生素数猜想上有新进展，用Lean形式化证明把连续素数间距的上界从246推到186。此外，其3D生成效果出色，Codex还新增可搜索笔记功能。
蚂蚁EGSS算法破解Test Time Scaling困局 | ACL 2026
蚂蚁集团CodeFuse团队在ACL 2026主会论文中提出EGSS算法，破解Test Time Scaling困局。该算法精准识别高不确定性决策点，解决计算冗余与选择脆弱问题，在SWE - Bench - Verified上全模型提升5 - 10%。
它石智航用“吉尼斯纪录”交卷真干活的具身大脑，丁文超：从来没有Plan B
它石智航在获巨额融资后埋头研发，其A1机器人创线束装配吉尼斯世界纪录。该公司打造具身大脑AWE 3.0，还推出SenseHub数采套件，发起具身数据星火计划，推动具身智能发展。
给GUI Agent装上「世界模型」：阿里通义用混合数据+统一思维链，让模型学会预判屏幕变化
伴随多模态大模型发展，GUI Agent成人机交互新范式，但构建高可用、跨平台的GUI Agent面临诸多挑战。阿里通义实验室开源Mobile - Agent - v3.5框架及GUI - Owl - 1.5模型家族，解决了相关技术壁垒。
阿里千问负责人林俊旸突然离职，Qwen 开源时代要变了吗？
3月4日凌晨，千问核心负责人林俊旸在X发文卸任，3月3日下午他已向阿里辞职。他在阿里大模型研发中贡献突出，推动Qwen3系列开源。外界猜测Qwen或转向闭源，其离职引发业内关注。
GPT-5编程成绩有猫腻！自删23道测试题，关键基准还是自己提的
有人发现OpenAI测试GPT-5编程能力时，用的SWE-bench Verified子集仅477题，自行省略23题。若这些题默认零分，其得分比Claude Opus 4.1低。且该基准还是OpenAI自己提出的。
太牛了~~复杂表格Cell合并、跨页拼接，中文领域96%，甩MonkeyOCR 20%
在PDF文档解析领域，复杂表格解析是难题。今天分享的OCRFlux是基于qwen2.5vl - 3B模型微调的解决方案，有单页解析和跨页段落/表格合并等创新点，测试得分超96%，远超MonkeyOCR等。
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。
雷峰网现场直击：ICRA 2026下周在维也纳开幕，中国力量站上C位
6月1日，IEEE国际机器人与自动化会议（ICRA 2026）将在维也纳开幕。今年投稿量4947篇破纪录，86个国家参与，1882篇论文被录用。热门方向有VLA模型、Sim - to - Real、3D感知，中国研究者从投稿大国迈向规则定义者。