「基准表发现」共找到 1843 篇相关文章
大模型追逐星辰大海，GPT和Gemini国际天文奥赛夺金
新论文以国际天文学和天体物理学奥林匹克竞赛 (IOAA) 为基准测试，证明 GPT - 5 和 Gemini 2.5 Pro 能在天文奥赛获金牌。研究还分析不同模型表现、与人类成绩对比及错误类型，强调需全面评估模型科研潜力。
在微信中用 Google 登录，很难吗？
作者开发基于 LLM 的个性化实时快讯小工具，开发登录功能时发现微信里用 Google OAuth 登录失败，源于 Google 安全限制。众多产品有糟糕体验却未解决，作者用 Claude Code 轻松搞定，还分享 AI 编程观点。
GLM-4.6 vs Claude 4.5：当AI编程模型能力趋同，会用比选什么更重要
文章对比GLM - 4.6和Claude 4.5在AI编程中的表现。用两套提示词测试，发现二者能力接近，GLM - 4.6性价比高，还给出Claude Code + GLM - 4.6的组合使用方法，建议聚焦做产品而非纠结工具。
Transformer学不会多位数乘法？MIT和哈佛的研究指出了一个简单漏洞
MIT、哈佛和谷歌DeepMind团队实验发现，Transformer做4位数乘法有软肋。用‘隐式思维链’（ICoT）训练的模型准确率达100%，传统方法仅1%。研究揭示了问题根源，还给出修复方案，但也引发诸多质疑。
死磕即梦48小时，我发现了AI公众号封面的懒人密码
作者与即梦Agent死磕48小时，分享AI公众号封面制作经验。介绍垫图法、两个提示词模板，测试提示词反推、语义理解等功能，指出不足，认为即梦像AI作图界拼多多，瑕不掩瑜。
躲了科学家几十年的流体不稳定奇点，被DeepMind用AI找到了
谷歌DeepMind与多所高校合作，用物理知情神经网络（PINN）+高精度数值优化的方法，找到了流体方程里的不稳定奇点。这种奇点很“挑剔”，此前难寻踪迹，此次发现为非线性流体动力学研究提供新范式。
收手吧GPT-5-Codex，外面全是AI编程智能体！
OpenAI推出专为智能体编程设计的GPT-5-Codex，其在代码重构、审查和缺陷发现上表现提升，具动态资源分配机制。文中还提及Codex起源、Harness概念及OpenAI内部工具，当前编程智能体竞争激烈。
大模型智能体不止能写代码，还能被训练成白帽黑客
Amazon AWS AI的Q Developer团队发布两项训练网络安全大模型的新方法Cyber - Zero和CTF - Dojo。前者不依赖真实环境生成训练数据，后者构建实战环境让模型学发现漏洞，二者结合为AI白帽黑客成长提供路径。
AI全国榜单爆冷，全网吃瓜大狂欢！这家黑马竟靠DeepSeek杀进全国TOP 2
QuestMobile报告显示，夸克月人均使用次数居AI搜索第一，微博智搜凭DeepSeek排第二，腾讯「新闻妹」第三。实测发现，夸克产品力强，微博智搜让信息获取高效，新闻妹有划词提问等功能，AI搜索正重塑格局。
刚刚，智谱开源了他们的最强多模态模型，GLM-4.5v。
智谱接连开源GLM - 4.5和GLM - 4.5V，后者为多模态模型，总参数106B，在42个评测基准中41个达到SOTA。经测试，它视觉推理强、速度快，还有视频理解等功能，API定价良心，体现持续开放精神。