「核心认知基准」共找到 2726 篇相关文章
刚刚，LMArena最新模型榜单出炉！DeepSeek-R1网页编程能力赶超了Claude Opus 4
LMArena最新模型榜单出炉，DeepSeek - R1（0528）表现亮眼。在文本基准测试中整体排第6、开放模型中排第一，细分领域也成绩优异，在WebDev Arena平台与闭源大模型并列第一，超Claude Opus 4。
o3绞尽脑汁仅答对40%的题目，开源模型基本乱猜？MMSI-Bench：多图空间智能试金石
文章介绍了MMSI - Bench，这是用于评估MLLM多图像空间推理能力的VQA基准。它人工构建样本、全面分类任务、采用多样真实数据。实验显示MLLM在多图像空间推理有短板，还开发自动化错误分析流程助力改进。
20人团队提前实现DeepSeek构想，AI算力变天？直击大模型算力成本痛点
国内20人玉盘AI团队推出SRDA全新计算架构方案，试图从硬件源头解决当前AI算力核心瓶颈。该架构有诸多创新设计，能应对大模型训推痛点，与DeepSeek构想契合，或成大模型专用架构分水岭。
AI七个月突破数学家“围剿”反超人类！14位数学家深挖原始推理token：不靠死记硬背靠直觉
大模型o3 - mini - high在7个月内，于FrontierMath基准测试中，答题得分从2%提升到22%，超人类团队平均水平。数学家分析其推理记录，发现它靠直觉而非死记硬背解题，但也存在缺乏创造力等局限。
LeCun有了新证据！大模型思考与人类思考存在本质差别
Yann LeCun参与的研究用信息论揭示大语言模型与人类在‘理解世界’上的本质差异。研究引入新量化框架，分析主流大模型，发现AI与人类在‘理解’上有三大核心差异，对当前AI发展趋势提出挑战。
ASML，一夜崩盘？
全球光刻机霸主ASML市值十个月蒸发超1300亿美元，原因有财报提前泄露、销售预期下调，还受美国出口管制、客户冷遇等影响。同时介绍其核心业务、市场地位，也提及中国光刻机自主研发进展与挑战。
多模态大模型不会画辅助线？最新评估得分：o3仅25.8%，远低于人类82.3% | 清华腾讯斯坦福联合
清华、腾讯、斯坦福等团队发布RBench - V基准测试，评估大模型视觉推理能力。结果显示，主流大模型如o3、Gemini2.5等准确率远低于人类，开源模型表现更差，暴露出大模型在复杂多模态推理任务中能力不足。
腾讯混元 TurboS 技术报告首次全公开：560B 参数混合 Mamba 架构，自适应长短链融合
日前腾讯混元 TurboS 技术报告全公开。它是超大型 Hybrid Transformer - Mamba 架构 MoE 模型，有自适应长短思维链机制，总参 560B。在多榜单成绩亮眼，多语种和多任务处理能力强，还介绍了核心创新、训练策略等。
微软 CEO 纳德拉：离了 AI 软件开发没法想！编程如诗都是“压缩”。社区：必须拥抱变化。
微软CEO纳德拉在访谈中表示，如今软件开发离不开AI，AI编程已成标配。他强调AI本质是赋能人类的工具，还提及AI普及挑战，同时保持对AI局限性的清醒认知，分享领导哲学与诗意展望。
通用 Agent 向左，Agentic Browser 向右
作者五一深度体验了Fellou，认为它和Manus走不同路线，Manus专注做Agent，Fellou做基于浏览器的全新系统。还介绍了Fellou核心功能，也指出其上手门槛高、执行慢等不足，认为发展尚早，值得期待。