「人机竞赛」共找到 395 篇相关文章
RL救不了泛化性！揭示LLM数学Reasoning的深层瓶颈
大型语言模型在数学竞赛级任务依赖机械化推理，现有评测集有缺陷。UC Berkeley团队提出OMEGA基准量化其数学泛化能力，实验揭示复杂度引发性能崩塌等问题，指出LLM创新组合难，给出改进方向。
40位数学家组成8队与o4-mini-medium比赛，6队败北
Epoch AI安排40位数学家组成8支战队，与OpenAI的o4 - mini - medium模型对决，考题来自高难度的FrontierMath数据集。结果AI以6:2击败人类，不过Epoch AI认为AI未明显超人类，但很快会达到。
这些关于研发提效的深度实践，值得每一位开发者关注 | AICon
6月27 - 28日AICon北京站上，一线大厂技术大牛将分享“AI赋能研发提效”经验，涉及AI编程范式革新、代码智能化落地、研发流程优化等多方面，呈现技术演进与落地路径。
DeepSeek-R1发布后的100天复现之旅方法总结
DeepSeek团队发布「推理大模型」DeepSeek-R1 ，其技术细节未完全开源，全球研究团队开启“复现竞赛”。论文总结100天复现经验，介绍推理大模型与普通大模型区别、复现方法、关键发现及未来方向。
别高估车企“造人”
今年5月特斯拉停产后搭建Optimus量产线，虽强调FSD算法可复用，却未量产。车企造机器人，优势在供应链管理和生产制造，算法移植效果一般，且面临数据难题，竞赛中暂无通关密码。
刚刚，中国AI闯入全球编程前二！前面只剩Claude
Code Arena最新榜单出炉，Qwen3.7 - Max以1541分冲进全球第四，是前五中唯一非Claude模型。它在多项测试中表现出色，是为长时间自主执行任务设计的Agent基座模型，编程跃升或与环境扩展、长程自主执行训练方法升级有关。
当 AI Coding 进入复杂企业系统，为什么提效远没有宣传里那么美好 ？
以Claude Code、Codex为代表的自主编码智能体席卷开发者生态，但夸大能力现象严重。在复杂企业系统中，AI Coding提效远没宣传美好，存在诸多问题，企业应分级应用、进行约束下的人机协作。
北大校友Lilian Weng出镜，爆出120亿估值首个交互模型！
北大校友Lilian Weng出镜介绍Thinking Machines的交互模型，此模型200毫秒神同步，能感知协作。该公司此前获20亿美元种子轮融资，估值达120亿美元。模型打破传统交互局限，或改变人机互动方式。
AnyGen款新AI工具，专门解决打工人最头疼的3件事，Doc，PPT，Excel
字节跳动2025年12月在海外推出一站式AI协作工作台AnyGen，强调人机协作打磨。产品有文档、通用智能体、幻灯片、数据分析四个核心模块，能解决会议纪要整理、PPT制作等痛点，还与主流工具做了横评。
如何破解内容安全“不可能三角”？快手王东旭：把组织从“固态”变成“液态”
快手内容安全团队负责人王东旭在AICon大会拆解“人机协同”破解内容安全“不可能三角”。他提出组织从“固态”转向“液态”，构建“AI合成旅”，还阐述产运研等岗位职能跃迁及协同模式升级，强调速度是护城河。