OpenAI 发布 LifeVal 基准测试日常任务
OpenAI 发布 LifeVal 基准，用于衡量 AI 模型处理日常事务的能力。该基准涵盖照护、财务及政府服务等场景，旨在评估模型提供可执行建议的实际效用。
由 AI 根据 1 家媒体的报道整理
出处
- IT之家阅读原文 ↗
最新
- 研究
上海交大团队在《自然》发表 AI 原生自主分子实验装置
上海交大团队在《自然》发表研究，推出 AI 原生科学实验装置 AutoDNA。该装置实现自主分子生物学实验操作，通过模型、实验与仪器协同设计，解决复杂流程与精确度挑战，并登该刊首页头条。
- 研究
Sutton重申苦涩教训：LLM扩展需新方法
图灵奖得主Richard Sutton重申，仅靠算力不足以产生智能，需要根本性的新学习方法。前OpenAI研究员Danijar Hendrycks指出盲目扩展Transformer已导致科学界思维僵化，多家初创公司正押注此技术缺口。
- 研究
DeepSeek、Qwen等10款开源MoE模型路由机制比较
MarkTechPost发布文章，比较DeepSeek、Qwen、Mixtral等10款开源MoE模型的路由配置。文章详述各模型的总参数、活跃参数、专家数量、Top-K及负载均衡方法。
- 研究
WIRED探讨世界模型在机器人与自动驾驶领域的应用
WIRED刊文指出，世界模型正协助AI从文本转向模拟3D空间与现实物理。此技术旨在教导机器人与自动驾驶车辆如何导航现实环境，显示其在具身智能领域的应用潜力。
- 研究
阿里新基准测试显示AI编码代理仍需人工修正
阿里推出新基准测试「Co-Design Bench」，评估AI编码代理在真实用户请求下的表现。测试显示，即使是最优模型GPT-6 Astra也仅完全解决26.4%的任务，与旧基准测试中99%以上的分数形成对比。该结果凸显了AI代理在复杂实际场景中仍面临显著挑战。
全部新闻 → · 版权属原作者