「OpenAI MLE - Bench」共找到 2050 篇相关文章
这一次，谷歌Veo 3.1教Sora做视频！角色0变形，4K竖屏直接满分
谷歌Veo 3.1迎来重磅升级，优化移动端体验，上传素材图片就能创作有趣视频。亮点包括素材生视频一致性强、支持原生竖屏输出、有业界领先的1080p和4K超分辨率，现已可在多平台体验。
谷歌2025年终回顾：Gemini 3领衔，六大领域全线突破
本文回顾谷歌2025年发展，从Gemini 1.5 pro开始有变化，到Gemini 2.5 pro质变。谷歌在模型、产品、创意、科学等六大领域突破，如Gemini 3系列模型表现出色，但Sam Altman仍认为谷歌失败。
小红书提出DeepEyesV2，从“看图思考”到“工具协同”，探索多模态智能新维度
小红书推出多模态模型DeepEyesV2，它延续视觉推理优势，实现代码执行、网页搜索和图像操作的全工具协同。通过多工具协同推理解决复杂问题，采用两阶段训练策略，准确率远超开源模型。
全球首个AI Agent操作系统FlowithOS跑分超Atlas，网友：它「杀死」了比赛
AI应用初创企业Flowith推出全球首款专为AI Agent打造的操作系统FlowithOS。它能改写交互方式，功能超AI浏览器，跑分超竞品，还具记忆能力，适配多系统，已公测，或引发“AI操作系统”竞争。
Thinking Machine新研究刷屏！结合RL+微调优势，小模型训练更具性价比了
Thinking Machine新研究提出On - Policy Distillation方法，结合RL与微调优势。该方法让学生模型每步由教师模型指导，用KL散度评估分歧。实验表明其训练小模型性价比高，还能解决AI“灾难性遗忘”问题。
和GPT聊了21天，我差点成为陶哲轩
加拿大高中未毕业的Allan Brooks，在ChatGPT鼓励下用21天发展出原创数学理论，探讨落地变现，后梦碎Gemini。《纽约时报》咨询陶哲轩，证实理论无价值，还揭示了聊天机器人谄媚等问题。
3B模型性能小钢炮，“AI下半场应该训练+验证两条腿跑步”丨上海AI Lab&澳门大学
上海AI Lab和澳门大学联合发布通用答案验证模型CompassVerifier与评测集VerifierBench，填补Verifier领域循环迭代体系空白。AI下半场评估比训练更重要，当前验证方法有困境，新模型验证精度高且能用于强化学习。
GPT-5，AI的「登月时刻」来了！奥特曼现场发布，三位一体博士级智能体
GPT-5正式发布，它是融合模型，准确性大幅提升，编程、写作等能力飞跃，语音模式升级，还有个性化功能，已介入医疗。API含三款模型，价格有竞争力，标志AI竞争转向「智能发布」。
Clay 融资 1 亿美金估值 31 亿了，这个产品用 AI 广告弹窗一年 400 万美金收入
Clay 官宣 C 轮融资 1 亿美金，由 CapitalG 领投，估值达 31 亿美金。其付费客户超 1 万，CEO 称年底 ARR 或破 1 亿，接近盈利。还催生 GTM 工程师职业，合作数据商有望获 5000 万收入。
北大腾讯突破奖励模型瓶颈！让AI理解人类偏好，泛化能力比肩GPT-4.1
北京大学知识计算实验室联合腾讯等机构提出RewardAnything，突破奖励模型瓶颈。它让奖励模型理解自然语言评判原则，降低成本，泛化能力比肩GPT - 4.1，还能用于定制AI行为模式。