「AGI基准测试」共找到 2500 篇相关文章
知识类型视角切入，全面评测图像编辑模型推理能力：所有模型在「程序性推理」方面表现不佳
东南大学等团队提出KRIS - Bench，从知识类型视角对图像编辑模型推理能力评测。它分三大知识范畴、细化多种任务，设四维度评估指标，测10款模型，发现模型程序性推理等能力不足。
CSDN智研社欧洲首聚，共话技术范式转换下的创新与合作
随着大模型代表的第四次技术革命进入关键期，科技范式转换。5月7日，CSDN智研社2025欧洲站首场线下活动在巴黎举办，众多人士交流分享，未来CSDN还将在更多国际城市办活动。
Claude 4 要来了！
AI专家在Anthropic前端配置发现Claude 4痕迹，其或有查看AI思考过程功能。当下OpenAI、Google、xAI等对手来势汹汹，Claude 4压力大，但可在可解释性等方面破局，预计5月22日公布。
Gemini 2.5 Pro强势更新并霸榜，Claude 3.7首次遭遇全方位碾压！
Google DeepMind推出的Gemini 2.5 Pro在LMArena各大排行榜全面登顶，实现文本、视觉、Web开发全方位霸榜，编码能力也大幅升级。虽有质疑，但短期内难有对手，还引发对Google I/O大会更多惊喜的期待。
刚刚，OpenAI公司结构重大调整：继续由非营利实体控制，营利性部门要变公益公司
OpenAI官方宣布公司结构重大调整，将继续由非营利组织控制，现有营利部门成公益公司（PBC），非营利组织控制PBC并成大股东，二者使命相同。这是与相关部门对话后决定。
实测吓一跳，gpt-5.6居然比deepseek flash还便宜
上周GPT-5.6 luna打2折，次日梁圣的v4flash正式版发布。经实测，把GPT薅到极致比DeepSeek便宜，还整出无限活力流玩法。Luna max智力分值超Sol high，虽耗时久但成本低。
OpenAI 全面拥抱 Agentic-First，实测有点扎心
OpenAI发布GPT - 5.6系列，Sol定位长周期Agent，训练目标转向Agentic - First。但目前难以用上Sol，且其评测数据因计数规则差异大，还出现变身话痨、少说话和干完活难兼顾的问题。
突发，OpenAI总裁当庭「认罪」！自曝零元购300亿，马斯克这回真要赢了？
2026年5月奥克兰联邦法院，马斯克与OpenAI对簿公堂。OpenAI总裁Brockman当庭承认零投入获300亿美元股权，还涉及Cerebras自我交易。专家担忧AGI竞赛风险，双方各执一词，审判反映硅谷价值观冲突。
GPT-5.6现身后，下一个Claude Sonnet 4.8又曝光了！
GPT-5.5发布不久，开发者在Codex内部日志发现GPT-5.6，几乎同时，Anthropic的Claude Code源码泄露，炸出Sonnet 4.8、Jupiter等型号。两家公司下一代模型几乎同时曝光，模型迭代节奏在加速。
编程智能体的隐藏bug，被上交IPADS团队用数学逻辑给揪出来了
上海交通大学 IPADS 研究团队打造 FM - Agent，实现大规模系统全自动正确性推理。它能从顶尖编程智能体生成的大规模系统中找出隐藏 bug，还提出新规约生成方法，在绝对严谨与工程可用间找到平衡。