搜索：OpenAI MLE - Bench

「OpenAI MLE - Bench」共找到 1985 篇相关文章

从OpenAI AI Phone到Gemini on Android：AI手机时代需要怎样的Agent Harness？

过去一年，AI与手机关系被重新定义，腾讯混元等机构研究PhoneHarness，关注AI在手机上行动及任务完成验证问题。它让手机Agent行动不止GUI，还有Bench检验执行结果，推进AI手机基础设施建设。

OpenAI Codex团队在活动中称积极用Codex构建产品。文章介绍其7个应用场景，如理解代码、重构迁移等，还有6个使用技巧，像从提问模式开始、组织好提示等，展示了Codex在开发中的强大作用。

今天凌晨1点，OpenAI发布ChatGPT Agent，它能自主思考行动，自选工具完成复杂任务。首席执行官Sam Altman发文介绍，虽实用但有风险，内置安全机制。测试中表现优异，网友期待体验。

OpenAI三人团队俩月让AI达IMO金牌水平。他们用多智能体系统技术，使模型能短时间解复杂问题。新模型有自省能力，减少“幻觉”问题。此次突破是通用推理技术进步，未来将整合进更多模型。

上海人工智能实验室等研究者完成VL - LN Bench，模拟真实导航场景。它构建自动化数据收集管线，依托InternVLA - N1训练评测。结果显示主动对话可提升表现，但当前方法在实例感知对齐等环节有短板。

今天凌晨1点，OpenAI发布GPT - 5，采用内嵌式三位一体集成架构，有创新的实时决策路由机制。免费版ChatGPT可使用，有额度限制。测试显示其在多领域大幅超越前代，应用开发能力强，今日向部分用户推出。

OpenAI公开62页核心手稿，展示GPT对十大「菲尔兹奖级」数学难题的完整推演，涵盖高维球体堆积、非sofic群构造等。仅花2000美元Token成本，引发全网热议，被指或为GPT - 6，强化学习大佬称像“奇点前夜”。

据《金融时报》，OpenAI前CTO Mira Murati的创业公司Thinking Machines Lab种子轮融资20亿美元，投后估值120亿美元。此轮由a16z领投，Nvidia和AMD参投。Murati透露公司方向，还称产品含开源组件。

2025年8月OpenAI释出gpt-oss-20b与gpt-oss-120b两个开源权重模型。文章梳理了从GPT - 2到gpt - oss的技术演进，拆解关键创新点，对比了与Qwen3的差异，介绍训练推理细节、实测体验及与GPT - 5跑分对比情况。

马斯克与Sam Altman在X上晒自家数据中心进展。OpenAI星际之门项目初始投资5000亿美元，与Oracle新增算力；xAI Colossus 2占地大、建设快，预计几周上线，将成全球最大AI超算集群。