「跨领域推理」共找到 3833 篇相关文章
打穿 AI 智商测试！GPT-6 Astra 的符号世界模型，是突破还是钞能力刷分？
OpenAI的GPT-6 Astra亮相，在ARC - AGI - 3测试成绩逼近100%，远超GPT - 5.6 Sol。它生成的符号世界模型被认为是AI迈向高级推理必经之路。不过出题人指出其靠Harness加持，离AGI还远。
代码榜刷满分，AI科研却撞墙？140道真实研究题撕开「自进化」真相
新工作MLS - Bench覆盖12领域、140个研究任务，评测前沿模型科研能力。虽模型工程执行强，但科学发现能力弱，当前仍难提出有效算法创新。其评测已纳入Kimi K3和Qwen3.8 - Max官方发版表。
Fable5仅做对3.5%！大模型会看图，但还没有主动视觉
本文介绍了专门测量「主动观察」能力的视觉推理基准 ActiveVision，评测显示无外部工具时，大模型与人类准确率有近 9 倍差距，用工具后虽提升但仍远不如人类，还说明了其出题与避免取巧的方式。
烧了1万块横测，你用的模型可能掉队了
作者花大成本从后端、人味、前端、推理等维度，对glm 5.2、kimi k3等国产模型进行测试，展示各模型在不同测试中的结果，指出国模2T俱乐部的kimi和qwen下限高，且刻板印象需改变。
传 GPT-5.6 明日发布：要打赢 Fable 5，光靠刷分可不行
近期GPT-5.6发布消息不断，上线或进入倒计时。它被拿来与Fable 5对比，Fable 5长任务处理出色，而GPT-5.5有短板。GPT-5.6虽跑分亮眼，但被指‘benchmaxxed’，还存在脱离现实常识问题。
腾讯混元Hy3发布：Agent能力和产品体验跃升
7月6日腾讯混元Hy3发布，智能水平强于同尺寸模型，比肩大尺寸旗舰模型，定价降低。它已接入多个业务，API上线腾讯云TokenHub。在多领域表现出色，性价比高，采用开源协议，将在多平台上线。
世界模型评测的最大盲区，被这个新基准捅破了
过去一年，‘世界模型’成视频生成领域热词，厂商强调产品要模拟真实世界运行规律，但业界评测一直未能精准检验其‘物体恒存’的认知能力。为此，研究者提出新基准MemoBench，测试了主流模型，揭示其短板。
宋晓冬、李博加入Meta，超级智能迎来最强“守门人”
近期AI安全受关注，Meta引入Virtue AI三位联合创始人及部分核心团队到超级智能实验室。宋晓冬、李博、桑米·科耶乔都是AI安全等领域知名学者，Virtue AI有安全防护与治理产品，Meta借此补强安全能力。
从数学思维到AI睡眠，于大川在千亿赛道的第二次“白魔法”创业｜甲子光年
于大川曾创办豌豆思维，“双减”后他“半退休”。如今他重启创业，创立豌豆智能，想用AI改善人类睡眠。该公司已获君联资本天使轮融资，于大川分享了创业思路、产品模式、团队组建等内容。
开源打破“AI黑箱”！集结全球大咖，GOSIM Paris 2026带你看懂Agent时代大变局
GOSIM Paris 2026在巴黎举办，是面向开发者的开源AI技术大会。大会由GOSIM主办，CSDN等联合打造，聚焦AI能力落地应用。首日Keynote多位大咖探讨AI相关问题，还有三大论坛、工作坊、Hackathon等活动。