「推理能力评测」共找到 4964 篇相关文章
Meta发最强模型打响价格战，小扎对谷歌贴脸开大！北大校友立大功
九月刚过3天就有五个前沿模型发布，Meta发布Muse Spark 1.3踢馆谷歌Gemini 3.8 Flash。它跑分提升大、成本低，性价比高，但也遭质疑，大模型下半场或比拼系统架构和智能体工程能力。
刚刚，GPT-6代号再泄露！或将周四见
据传GPT - 6本周将发布，OpenAI「义父」爆料Codex接入最强Astra模型，其内部代号「mewfour」泄露。Astra内部版已解决多个数学难题，成本仅约2000美元，还或达网络安全最高能力阈值，可能开启多智能体原生时代。
电脑操作、技能、连接器、工作伙伴：豆包的牌来了
最近字节有两个豆包相关新闻，一是在训练超大模型，二是反对模型蒸馏。豆包上线大批 Agent 相关工作任务能力，覆盖办公场景，如电脑操作、技能商店等，过程流畅且可观察，还更新移动端，实现远程控制。
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。
如何判断AI视频真假？综述动态、可溯源、可解释的检测体系 | ACL26
AI视频生成技术发展迅速，现有检测方法难满足需求。最新综述提出「事实保真度验证」目标，梳理出视觉与语言双视角的四层检测框架，还分析了检测方法演进、评测指标和数据集，为AI视频检测提供落地地图。
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。
用 Codex 读 DeepSeek 最新论文 DSpark，AI 改变了读书方式
作者用 Codex 加‘论文 Skill’读 DeepSeek 最新论文 DSpark，省一半时间还获图文并茂中文解读材料。介绍了使用方法、优势，如叠三层能力让读论文成共读之事，处理词、段及全文后可重构知识材料。
从最优传输角度训练奖励模型：让 RLHF 学会「忽略错误偏好」丨ICML 2026
浙江大学、小红书、北京大学等团队提出SelectiveRM，基于最优传输训练奖励模型。它重构训练目标，通过选择性分布对齐排除噪声偏好，解决了奖励模型训练中监督信号不可靠的问题，实验验证其有效且泛化能力好。
华创七星微：为直流供电系统筑起一道防火墙
随着AI等领域设备迭代，电源保护重要性凸显。华创七星微依托六类量产芯片和将问世的集成模块，为直流供电系统提供防护，其产品覆盖供电链路关键节点，有完整解决方案，还具备多种能力优势。
哈萨比斯出的难题，GPT之父接上了：用一个知识停在1930年的模型
GPT之父Alec Radford等用1931年前数据训练13B模型Talkie，切断现代知识污染。研究者测试其能力，探讨它对未来的“预感”、规避污染问题及数据多样性等，同时训练中也面临时间泄漏、数据质量等难题。