「数学基准测试」共找到 2303 篇相关文章
半夜被AI「吓醒」！57岁导师投奔24岁华人女学霸，打造「AI数学家」
57岁杰出数学家Ken Ono辞去终身教职，加入24岁学生Carina Hong创办的Axiom Math。Carina履历逆天，想打造「AI数学家」。Ken受研讨会冲击，看好AI数学潜力，将助力模型发展。
刚刚，Anthropic切开Claude大脑！AI自发长出类人「意识器官」
Anthropic开源「手术刀」J-Lens，读出Claude未说出口的念头。研究发现Claude自发长出类似人脑「意识」结构J-space，通过多项测试与全局工作空间理论对标，还表现出类似人脑的现象。
首个英文原生「弱智吧」！逻辑谬误数据集与生成框架来了 | AAAI'26
研究发现大模型判断逻辑谬误易误报正常句子，但分类能力较强。研究人员构建英文逻辑谬误基准SMARTYPAT - BENCH，开发生成框架SMARTYPAT，为大模型逻辑评估提供新思路，可用于多领域。
吴恩达发布论文自动审阅器，ICLR上达到接近人类水平
目前学术会议论文评审无统一规范，投稿量膨胀致审稿周期冗长。吴恩达发布‘Agentic Reviewer’，在ICLR 2025数据测试中接近人类水平，现阶段在arXiv研究领域表现佳，但仍处实验阶段。
Windows AI助手免费进化！能操作电脑、登录网页、生成代码
Windows Copilot正式更新，Microsoft 365 Copilot中Researcher智能体新增“计算机使用”能力，能操作电脑、登录网页、生成代码等。更新已在预览版上线，还介绍了其运行机制和性能测试情况。
仅需一行代码AI智商飙升成本反降！Claude推出军师模式：最强模型opus只做幕后大脑
Anthropic在Claude平台实装军师策略，让Opus模型后台当军师，轻量级模型当执行者。仅改一行代码就能实现，成本低且能提升智商，已开启Beta测试，还给出使用步骤。
刷榜只是体力活！清华消费10万块，一周「肝」出105个SOTA
AutoSOTA通过多智能体协作，将AI研究中繁琐的性能优化过程自动化，使科研从「手工艺」转向「工业流水线」。在一周压力测试中，消耗约10.4万美元，发现105个SOTA模型，平均性能提升近10%。
ChatGPT这次对数学教育动了真格，家长学生都不用愁了
OpenAI针对数学和科学学科抽象难学问题，推出ChatGPT动态可视化交互解释新功能，从超70个核心概念起步，可让用户拖动变量、调整公式，实时观察结果变化，今日面向全球已登录用户开放。
苹果与Anthropic合作，开发AI编程助手
彭博消息，苹果与Anthropic合作，为Xcode打造AI编程助手，集成ClaudeSonnet大模型，可自动完成代码编写等工作。现处内部测试，若顺利将向第三方开发者发布，有望改变苹果平台应用开发方式。
OpenAI深夜发布ChatGPT Agent：能主动思考、自选工具，智能体赛道大变天
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。