「数学推理能力」共找到 4752 篇相关文章
MiniMax M2.7国服第一！龙虾自我进化，海外开发者疯狂刷屏
MiniMax M2.7发布后在全球开发者社区引发巨大反响，在PinchBench榜单上拿下全球第四、国产第一。它具备多智能体协作、自进化等能力，在代码、办公、科研等场景表现出色，还推出开源项目OpenRoom。
横扫19项榜单！大晓机器人开源全球首创空间智能底座
大晓机器人联合多机构推出通用基础模型“ACE - Brain - 0”并全行业开源。它打破本体壁垒，在24个核心benchmark中19个获SOTA成绩，应用于机器狗，还提出新训练范式，统一四大能力，重新定义通用具身智能。
豆包大模型 Seed 2.0，有点不一样
大模型升级频繁令人审美疲劳，但豆包大模型Seed 2.0不同，其核心是Skills调用能力。作者测试了它做的小红书长图文排版生成器和古文翻译器，还体验了APP“专家模式”，展现多模态理解优势。
Claude Skills彻底火了，真的比 MCP 简单太多了。
Claude Skills在中文社区火了，它解决重复写提示词、token贵及定制难的痛点，可分层加载给上下文窗口减负。它能与MCP组合，官方开源20多个Skill源码，还代表了Agent能力模块化趋势。
华尔街彻夜难眠！Gemini 3屠榜金融「最难考试」，AI砸了「金饭碗」？
被誉为「黄金职业通行证」的CFA考试被AI攻陷，推理模型不仅全部通过三级考试，部分科目接近满分。如Gemini 3.0 Pro在一级考试创97.6%最高纪录。不过AI仍有局限，还不能完全替代分析师。
OpenAI拉响红色警报！暂停广告和Agent，下周发布新模型硬刚Gemini 3
面对Google等对手的竞争，OpenAI宣布进入‘红色警报’状态，下周将发布新推理模型硬刚Gemini 3 pro。Altman暂停部分项目，调配资源升级ChatGPT，重点修补‘模型行为’，提升产品体验，还注重图像生成。背后是融资需求压力。
Google Antigravity vs Claude Code,我觉得还是Claude Code好
作者用相同prompt测试Google Antigravity和Claude Code的代码生成能力。Antigravity用Gemini3 Pro，生成336行代码框架，速度快但不可用；Claude Code生成2200多行完整项目，还做测试纠错，虽费时多但更实用。
没想到，32B清华DeepDive掀翻深度搜索全场的！
文章指出大模型在真实深网搜索场景表现不佳，核心矛盾是缺‘难搜’数据和多轮工具调用 RL。清华 DeepDive 用数据合成造‘难搜’题，端到端多轮 RL 训练，在 BrowseComp 刷新开源记录，迁移能力也强。
实测GPT-5 Pro：别被普通版骗了！Pro才是OpenAI真正的顶级模型
新智元实测发现GPT-5表现飘忽，但其Pro版本实力强劲。在编程、推理计算、图像识别等多方面表现出色，网友实测后也赞不绝口。此外，文中还介绍了GPT-5提示指南及OpenAI放出旧模型的彩蛋。
面向 AI Agent 的搜索服务，小宿科技有机会成为百亿美金的新巨头吗？
文章围绕AI搜索展开，分析微软Bing停用API原因，探讨小宿科技做Agent时代AI搜索服务的机会。从多方面剖析小宿优势，如全球通能力、贴合需求打法等，指出AI时代搜索是B端基建博弈。