「数学基准测试」共找到 2317 篇相关文章
230个大模型在婴幼儿认知题上集体翻车！揭秘多模态大模型的核心知识缺陷
ICML 2025研究揭示多模态大模型在基础认知能力上表现不佳。研究者建测评题库CoreCognition测试230个主流模型，发现其存在核心知识缺陷，扩规模难补短板，还需补齐核心知识。
腾讯重磅开源：端到端文档转换VLM，中英文错误率双料最佳！
腾讯开源端到端文档转换视觉模型POINTS - Reader，可将文档图片转结构化文本。它基于POINTS1.5架构，支持中英文。在OmniDocBench基准上，中英文错误率暂列最佳，具零后处理简单等亮点。
代码生成要变天了？被质疑架空后，Yann LeCun携320亿参数开源世界模型“杀回来了”
美国当地时间9月24日，Yann LeCun团队发布320亿参数代码世界模型CWM。它创新训练方式，能模拟代码执行。性能测试表现出色，还开放检查点。Meta AI业务重组，CWM发布或表明未彻底放弃开源。
阿里开源DeepResearch模型，超强“AI研究员”，开启自主智能体新纪元
阿里巴巴通义实验室开源Tongyi DeepResearch模型，是全球首个性能能与OpenAI DeepResearch较量且全开源的Web Agent。它采用先进架构，有两套推理范式，训练方法论有创新，实测表现佳，应用场景广，用Apache - 2.0许可证。
刚刚，OpenAI发布GPT-5-Codex：可独立工作超7小时，还能审查、重构大型项目
凌晨1点，OpenAI发布针对编程优化的GPT-5-Codex，它能独立工作超7小时，可审查、重构大型项目。还宣布Codex升级，包括新CLI和IDE插件等，同时介绍安全保护措施、价格及可用性。
Google Nano Banana 与 GPT-4o Image 1：哪款 AI 图像生成更好？
2025年8月26日，Nano Banana发布引关注，而GPT - 4o Image 1是主流常用图像生成器。文章从关键指标、生成速度对比二者，又用相同提示词在多种场景对比，分析各有优劣，适用场景不同。
开学了：入门AI，可以从这第一课开始
文章从生活小事引出AI相关知识，介绍了AI学习方法，包括掌握数学基础、编程能力，持续学习与实践。还提及AI现实挑战与机遇，回顾其发展历程，最后给学习者送上祝福与建议。
李国杰院士：AI4S里程碑式重大成果综述
本文由李国杰院士撰写，对AI for Science近年里程碑式突破做全面综述，涵盖数学、物理、化学等多领域成果，如李雅普诺夫函数构造、AI辅助核聚变等，还探讨了AI4S潜力与挑战。
LLM-based Reranker效果到底如何？一项关于SoTA模型的全面分析
在信息爆炸时代，重排序是信息检索系统核心。论文对22种重排序方法实证研究，构建无污染数据集FutureQueryEval。结果显示LLM重排序器泛化能力被高估，轻量级模型有优势，为研究和应用提供指南。
中国科学PMA|西工大张伟伟、索玮、宋家豪、曹文博：PINNs的局限性讨论与微分方程智能求解展望
物理信息神经网络（PINNs）是求解偏微分方程的热点方法，有统一处理正、反问题等优点，但也存在求解精度低、普适性差等局限。文章剖析其失效根源，展望了改进方向，为构建微分方程智能求解框架提供参考。