「AI推理能力」共找到 12096 篇相关文章
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。
小模型，大能量！200美金的GPT Pro竟然输给了它？
博主用11个场景深度测试昆仑万维的Skywork R1V4 - Lite，它能做到Gemini 2.5 Pro才能干的事，速度快、成本低。在定位、人物识别、生活实用、专业鉴定、学术研究等场景表现出色，核心突破在于主动图像操作与深度推理。
北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”
北京大学DS - Lab发布ScholarSearch，这是评估大语言模型学术检索能力的数据集，含223道高难度题目。评估显示现有模型表现欠佳，纯推理模型准确率低，有搜索功能的模型虽有提升但仍不足。
Qwen3.8-27B 登顶全球开源榜第一，曾经的「源神」又回来了！
8月17日，阿里发布的Qwen3.8 - 27B成Hugging Face热门第一。它以27B参数在部分测试中与前沿闭源模型比肩，可本地运行。不过推理慢、真实任务表现待提升，它让前沿Agent能力下放到个人电脑。
一夜200万阅读，OpenAI神同步！这项测评框架让全球顶尖LLM全翻车
中国团队领衔全球24所高校机构发布评测LLMs for Science能力的论文，一夜阅读近200万，同一时间OpenAI也发文指出现有评测标准在AI for Science领域失灵。论文推出评测体系SDE，发现主流大模型在科学发现上短板明显。
SaaS 已死？不，SaaS 会成为 Agent 时代的新基建
文章指出AI Agent不会杀死传统软件系统，传统SaaS系统会成Agent时代的新基建。企业内部数据混乱，Agent能力上限取决于对数据的运用，CRM、ERP等系统将从服务人转向服务Agent，记录系统会被拆解重构。
万亿思考模型新速度！蚂蚁开源Ring-2.5-1T：IMO金牌水平，强；混合线性架构，快！
蚂蚁集团发布全球首个开源混合线性架构万亿参数模型Ring - 2.5 - 1T，打破深度思考牺牲推理速度和显存的‘不可能三角’。还同期发布扩散语言模型LLaDA2.1和全模态大模型Ming - flash - omni - 2.0，想做成可复用底座。
决战8月！Anthropic甩出Fable 5.1，奥特曼携GPT-6连夜汇报
GPT - 6和Fable 5.1很可能8月上线。奥特曼赴华盛顿汇报GPT - 6，它有原创科研等能力。Anthropic准备以Fable 5.1狙击，定价不变。GPT - 6有技术突破，但也有安全风险，8月对决将影响AI产业走向。
不是视频模型“学习”慢，而是LLM走捷径｜18万引大牛Sergey Levine
UC伯克利大学副教授Sergey Levine提出，为何语言模型从预测下一词中学到很多，视频模型从预测下一帧却学得少。他指出LLM可“抄近路”模仿人类推理，像在“柏拉图洞穴”中，还探讨了AI走出困境的方法。
Anthropic逼急谷歌！布林下场亲自督战，组「追杀队」围剿Claude
谷歌联合创始人布林亲自督战，组建攻坚队「追杀」Anthropic，欲夺回编程能力差距。Claude在编程领域锋芒正劲，谷歌AI编码占比仅50%，而Anthropic已达100%。攻坚队聚焦长期写代码任务，策略转向优先训练内部代码模型。