搜索：AGI基准测试 - AI Reading Hub

「AGI基准测试」共找到 2487 篇相关文章

Void IDE，Cursor 的开源替代品，发布测试版

新的开源AI代码编辑器Void IDE发布测试版，定位为Cursor等闭源编辑器的免费隐私替代方案。它是VS Code分支，能利用多种大模型，提供AI功能，开发者对其开源和隐私立场感兴趣。

OpenAI推出GDPval评估体系，通过真实工作任务审视大模型潜力，揭示AI从实验室走向3万亿经济战场的可能。早期测试显示，Claude Opus 4.1表现最佳，GPT系列进步快，模型在部分任务逼近人类专家水平。

十年前，AlphaGo击败李世石，让世人看到AI潜力。此后，DeepMind不断推进，其技术从棋盘拓展到科研，如AlphaFold解决蛋白质折叠难题，AlphaProof在数学推理获佳绩，这些成果显示AGI正接管科研。

Ilya更换X头像和背景封面引发全网猜想，有人猜测SSI内部已实现「超级智能」。另一边，OpenAI研究员集体高呼感受AGI，有人认为取得突破，也有人觉得是跟风刷存在感。

OpenAI官宣GPT - 6 Astra，自称‘世界上最聪明、对齐最好的模型’，总裁称迎来AGI时代。它成绩亮眼，能直接完成工作，达网络安全阈值，训练让AI深度参与，但价格较贵。

李飞飞在Lenny Rachitsky播客中回顾AI发展，揭秘秘辛。她认为AGI是营销用语，世界模型才是未来十年AI前沿。还谈到ImageNet诞生、机器人困境等，其创业公司World Labs的Marble平台应用广泛。

OpenAI和Anthropic完成联合评估，用内部工具测对方模型并公开结果。测试覆盖指令层级、越狱等四大领域，还发现不少细节和道德困境情况。此次合作意义重大，为行业树立安全合作先例。

上海人工智能实验室与香港中文大学研究团队发布论文，用MathIF基准揭示大模型“聪明”和“听话”有矛盾，越擅长推理越易忽略指令，还分析了原因并给出让模型更“听话”的方法。

谷歌旗下DeepMind发布通用型世界模型Genie 3，可通过文本提示生成动态世界并实时交互，其生成内容物理一致性达分钟级。它功能丰富，也受业内好评，但有行动空间有限等局限，对迈向AGI意义重大。

OpenAI正式发布GPT - 6 Astra，总裁称已到AGI时代。该模型定位为“世界上最智能、最对齐的模型”，在多领域表现出色，能力强、速度快、成本低，还具备“关键级”网络安全能力，将逐步开放给用户。