「数学基准」共找到 1178 篇相关文章
视频模型假装在推理？MME-CoF新基准评估12个推理维度
视频生成模型如Veo - 3能生成逼真视频，但推理能力存疑。香港中文大学等校研究者设计12项测试，发现模型只能模仿表面模式，未真正理解因果。研究推出MME - CoF基准，为评估指明方向。
地平线首曝BPU「黎曼」架构，用数学流形重构AI计算
2025 年 12 月 8 日深圳举办的地平线技术生态大会上，地平线首曝 BPU「黎曼」架构，用数学流形重构 AI 计算。还发布第四代编译器，推出 HSD Together 模式，开源具身智能模型，欲构建物理 AI 世界底层生态。
AI集体“听不懂”！MMAR基准测试揭示音频大模型巨大短板
MMAR基准测试对30款音频相关模型进行测试，结果显示，多数开源模型面对复杂音频推理任务远未达实用水平，音乐任务中所有模型表现不佳，且有显式推理能力的模型表现更优。
前两天刚被群嘲，ChatGPT转头就解决了一个数学难题
前些天，OpenAI研究员宣称GPT - 5‘发现’数学难题解法被指只是检索文献引群嘲。但加州大学洛杉矶分校教授用ChatGPT解决凸优化未决问题，还有教授用其发现命题反例，甚至要将其列为论文一作，AI正成研究伙伴。
DeepMind首个猜想库开源，获陶哲轩力挺！
谷歌DeepMind开源首个形式化数学猜想库，获陶哲轩力挺。该库用形式化语言重述数学猜想，为AI提供“标准答案模板”，还采取措施确保准确性，诚邀各方参与贡献。
We-Math 2.0：全新多模态数学推理数据集 × 首个综合数学知识体系
北京邮电大学、腾讯微信、清华大学团队提出We - Math 2.0，含知识体系、数据集及训练策略，可提升模型数学推理泛化能力。该成果在X上获关注，登Huggingface Paper日榜第一。
微软推出深度视频探索智能体，登顶多个长视频理解基准
尽管LLMs和VLMs在视频分析和长语境处理有进展，但处理数小时长视频有局限。微软提出智能体Deep Video Discovery (DVD)，以简洁框架在LVBench取得高准确率，将以MCP Server形式开源。
DeepSeek-OCR是「长文本理解」未来方向吗？中科院新基准给出答案
DeepSeek-OCR的视觉文本压缩技术降低长文本处理成本，中科院自动化所等团队推出VTCBench基准测试评估模型视觉认知，含三大任务及衍生版本，测试结果有‘U型曲线’，还评测多种尖端模型。
AI用3年时光，来了解你！首个AI Clone长期记忆基准
现有AI记忆评测存在数据源单一、忽视变化本质、注入成本高等局限。开源学术社区QuantaAlpha联合高校团队提出CloneMem基准测试，构建合成人生，设计评测任务，实验发现简单方法在检索上更有效，记忆系统应还原信息。
超越宇宙极限：第六位海狸数再次突破，无法用常规数学符号表达
本文介绍「忙碌海狸数」，其前五项为1、6、21、107、47176870。研究人员先后确定前四个数，如今BB(6)再突破，新下界需用新数学符号表达。还回顾探索历程，提及社区用Coq证BB(5)，并指出BB(6)真实值难测。