「OpenAI MLE - Bench」共找到 1988 篇相关文章
抨击AI炒作、曝企业需求为先，Anthropic 联创：模型提 0.01 性能就血赚，算力烧钱但值！
Anthropic由7位前OpenAI核心成员创立，联合创始人兼总裁Daniela Amodei接受采访，谈到成本控制、AI安全及上市可能。她认为AI安全是核心优势，公司谨慎对待支出和算法效率，虽算力投入大，但硬件回报高。
倒反天罡！Gemini Flash表现超越Pro，“帕累托前沿已经反转了”
Gemini 3 Flash在SWE - Bench Verified测试中分数超Pro，速度和性价比也更优。谷歌解释是因Flash有未用于Pro的优化技术。开发者认为应停止‘旗舰版迷信’，强化学习让小模型也能实现‘降维打击’。
阿里干死豆包图疯传，千问：相煎何太急；字节大幅涨薪，传年利润或达500亿刀；印度AI妖股近两年暴涨550倍，仅2名员工｜AI周报
这篇 AI 周报涵盖多领域动态。如阿里辟谣千问全员会干死豆包图；周鸿祎遭前高管实名举报财务造假；字节涨薪并推进 AI 手机合作；多家科技公司有新品发布或业务进展等。
烧3万亿美元实现ASI，把自己优化掉：这是硅谷CEO们的新赌注
硅谷大佬热衷预言AI接管公司，皮查伊称CEO工作AI易胜任，奥特曼想让OpenAI由AI掌管。但当下技术连自动售货机都难经营好，科技巨头豪掷3万亿，纳德拉却认为AI难掌管公司。
谷歌：全栈AI之王
随着Gemini 3模型与第七代TPU的发布，谷歌打破OpenAI与英伟达主导的市场叙事。其全栈AI战略从底层基础设施到用户产品全覆盖，TPU进化、软硬件契合，吸引大客户，C端产品成发展引擎。
Dia 没死，人家转手就发了 1.x 版本
OpenAI 发布浏览器 Atlas 引发讨论，有人认为其有缺陷会失败，也有人觉得初创 AI 浏览器会被巨头收割。以 Dia 为例，它被收购后加快迭代，推出 Skills Gallery、Research 等功能，还新增连接 App 等特性。
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。
o1核心贡献者离职后首发声：AI是史上最强杠杆，超越人力、资本和代码
刚被曝加入Meta的前OpenAI核心研究员Hyung Won Chung，分享对AI未来的思考。他认为AI是最强大杠杆，能成个人能力倍增器，智能体开启无需许可的复合杠杆，还能推动人类科学进步。
什么都不做就能得分？智能体基准测试出现大问题
随着AI智能体走向实际应用，其基准测试变得至关重要。但现有基准测试问题多，如WebArena判错答案、τ - bench给无操作智能体高正确率。文章提出有效性判据和ABC清单，还揭示主流基准测试诸多问题。
AI们数不清六根手指，这事没那么简单。
作者测试发现Grok4、OpenAI o3等多模态模型都将六指图数成五指，仅Claude 4偶尔答对。研究揭示大模型看图片用记忆而非视觉，易受刻板印象影响，在工业等场景或引发严重后果。