「AI能力进化」共找到 11437 篇相关文章
大语言模型离“数学证明高手”还有多远？斯坦福、伯克利、MIT 团队提出 IneqMath 评测标准
现在很多大语言模型常给出看似正确的结论，但推理过程却有问题。斯坦福、伯克利和MIT团队提出新思路，构建IneqMath数据集及‘AI数学裁判系统’，研究发现很多模型推理不严谨，还给出两个提升准确率的办法。
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。
实测可灵3.0 - 属于每个人的导演时代。
可灵更新至3.0版本，将视频模型能力提升到新高度。它有分镜和语言两大升级方向，还升级了Omni模型。可灵3.0适合文生视频等，3.0 Omni擅改视频，二者结合能覆盖多数视频生成场景。
Jeff Dean最新访谈：基础模型越来越强，小团队如何与谷歌等巨头竞争？
Jeff Dean 在 Y Combinator 活动中与 Diana Hu 对谈，探讨 AI 创业者面临的问题。他指出推理成新瓶颈，预计有更多推理硬件；Agent 执行复杂任务进步快；小团队可找 1%成功率问题；还提及稀缺能力及创业建议。
Agent 的第一性问题：Proactive 与 Context 经济学
过去一年AI Agent能力提升，但用户体感未同步变好，原因在于人类注意力窗口有限。赛道分化，主动式桌面Agent是新方向，AirJelly是代表产品，五源资本对其创始人黄柏特进行访谈，探讨产品设计、应用场景等问题。
从Cursor返聘归来，90后华裔女高管带Claude开启日更模式：token成本比工程师工资低多了！
90后华裔女高管Cat Wu推动Anthropic产品“按天迭代”，她认为token成本低于工程师工资。她分享了产品发布、团队协作等经验，还谈到AI时代PM应具备的能力，以及Claude系列产品的使用和发展方向。
Hermes Agent 技术深度拆解：36000 Star 背后的架构设计，以及你该怎么用它
Hermes Agent 9 个月获 36800 Star，解决记忆断裂、能力天花板和平台绑定问题。它有四层记忆架构、自主技能进化，支持 200+ 模型，还有 40+ 内置工具、15 个平台适配器。最新 v0.8.0 版本有多项更新，文章还给出使用建议和对比。
OpenAI o3封王，4比0横扫马斯克Grok 4！全球大模型对抗赛完美收官
Kaggle AI国际象棋锦标赛中，OpenAI o3以4-0横扫Grok 4夺冠，这场比赛也被视为OpenAI与xAI的“代理人战争”。季军战里，Gemini 2.5 Pro击败o4 - mini获铜牌。大赛旨在检验大模型多方面能力。
告别盲目卷参数！科大讯飞1024亮出底牌：all in“更懂你”
在模型能力趋同当下，科大讯飞在1024开发者节提出让AI“更懂你”。展示多模态超拟人“小飞老师”和「百变声音复刻」功能，发布星火X1.5大模型，还推出多领域软硬件产品，赋能多行业。
Kimi新出的Agent集群，到底有多恐怖？
Kimi发布K2.5模型及Agent集群功能，将国产AI推向“组织智能”新高度。K2.5全能且开源，多项评测优于GPT - 5.2 - xhigh且成本低。Agent集群可按需协调子Agent，实现“角色涌现”与“3D编排”。