「数学基准」共找到 1214 篇相关文章
ICLR 2026 | LongHorizonUI：让 GUI 智能体不再"半途而废"——面向长链路任务的统一鲁棒自动化框架
近年来，基于多模态大语言模型的GUI智能体在自动化操作上虽有进展，但任务步数超10 - 15步时成功率断崖下跌。研究人员提出LongHorizonUI框架，构建LongGUIBench评测基准，推动GUI自动化在复杂场景落地。
反击OpenAI&Anthropic，陶哲轩发第3篇长文
本文报道OpenAI、Anthropic等大举推进AI数学研究，菲尔兹奖得主陶哲轩连发三文反击其营销式研究模式，指出AI滥用对数学生态的破坏，提出Math 2.0框架并给出落地案例。
Agent记忆赛道大洗牌！LoCoMo-Refined重磅发布，主流记忆框架迎来核心检验
南京大学与上海人工智能实验室联合推出 LoCoMo-Refined，这是严苛的 Agent 记忆评测基准。它指出当前记忆评测基准有两大漏洞，在其标准下主流记忆框架得分普降，且相关数据集和评测脚本已开源。
17岁高中生用AI解决数学界难题，陶哲轩、Jeff Dean点赞
17岁高中生 Enrique Barschkis 课间休息时解决埃尔德什第347号问题，引发热议获 Jeff Dean 盛赞。他在陶哲轩等人思路基础上完成证明，用 AI 工具将证明形式化，成果获数学社区认可，标志数学研究进入新阶段。
VaseVQA：考古领域实现专家级，诊断+补弱RL框架
在文化遗产与人工智能交叉领域，研究人员提出把大型多模态模型放于‘诊断—补弱—精细化评估’闭环训练，配套结构化评测基准，让模型在文化遗产领域接近专家级能力。介绍了技术步骤、数据基准及关键发现等。
震撼！OpenAI神秘模型连破6道前沿难题，奥特曼：AI在造「新知识」
OpenAI首席科学家爆料，其神秘内部模型一周攻克10道未发表顶尖数学难题中的6道。First Proof团队用公开模型测试，结果冷峻。虽OpenAI实际命中率或低于宣称，但AI解前沿题意义重大，也暂无法取代数学家。
OpenAI搅乱数学界！科研项目没了，数学家遭毁灭性打击，学界还要数年消化
OpenAI公开722篇由内部未发布前沿模型生成的数学成果，覆盖多数学方向，部分附带形式化证明，发布后引发数学界巨大冲击，消化验证需数年，不少青年学者研究项目遭毁灭性打击，本文梳理各方反应与争议。
大模型顿悟原理！Meta新论文说清楚了
Meta超级智能实验室（FAIR）最新论文把大模型顿悟（grokking）现象的数学机制说清楚了。提出Li2数学框架，将两层神经网络的grokking动态分三阶段，还推导了泛化缩放定律等。
美国版梁文锋来了
美国互联网券商巨头Robinhood的CEO Vlad Tenev投身AI创业，与Tudor Achim联合创立Harmonic AI，从数学突破开始，目前已完成B轮融资，估值达8.75亿美元，目标是构建数学超人类的AI系统。
字节Seed开源长线记忆多模态Agent，像人一样能听会看
字节Seed发布全新多模态智能体框架M3 - Agent，能听会看、有长期记忆且免费开源。团队还开发新长视频问答基准M3 - Bench并开源。实验显示，M3 - Agent在多基准测试中显著优于基线模型。