广场
关注
热门
资讯
通知
我的主页

Bitduke

vip
用户暂无简介
最高等级 VIP-27.3 年
0
关注
16
粉丝
107
点赞
Anthropic股票预计将在纳斯达克以100美元开盘,较其83美元的IPO发行价上涨约20.5%。
ANT-14.20%
Gemini 4 Sodium 即将推出,另有114款模型也在路上。Google 显然正在酝酿大动作,模型发布速度比以往快得多,质量也在不断提升(Neon 相当不错)。
GOOGL-0.49%
NEON-5.64%
智能体最难完成的 10 项任务和最容易成功的 10 项任务

OpenAI 刚刚发布了一份研究任务排行榜,展示了智能体在完全没有人工帮助的情况下完成这些任务的表现。该排行榜采用 Epoch AI 版本的 O*NET(美国劳工部将工作拆分为各项任务的方式)。表现差异相当明显,
OpenAI 新报告中最有意思的一行:从 1 月到 9 月,人类在安全与对齐上的投入时间增长了 77%,是所有研究领域中绝对增幅最大的。部分原因当然是新员工加入,部分原因是现有研究人员转岗过去,而且在 Hugging 之后,这一增长开始加速。
OpenAI 内部管理 AI 智能体集群的现状(这些集群只会越来越大)。在他们最新的研究加速报告中,回到五月时,大多数 OpenAI 研究人员同时运行的智能体还不到 4 个(!);但到了十月中旬,超过 2/3 的人每天运行的峰值达到 4 个或更多,而且
Genie 4(Google AI Ultra 订阅用户可用)只需一个提示词,就能在你探索生成世界的同时实时生成一只鹿。
GPT Astra 和 Sol 6.2 在 SimpleBench 上的得分刚刚低于它们取代的模型,低了大约 5 到 6 分(Fable 5.2 仍然是王者)SimpleBench 测试日常的空间、时间和社交常识,措辞还特意设计得很容易让人掉进陷阱。这类内容是普通人都会……
最近 OpenAI 研究报告中的另一个有趣发现:OpenAI 研究员中位数如今每天会使用价值 $2,400 的 AI 代理,而顶尖研究员的这一数字高达 $23,000(!)。不过这是按 API 标价计算的,但考虑到这两个数字,还是相当惊人。
Gemini 4 Neon x Antigravity 创造了一个黑洞
所以现在连预计翻倍所需的时间也在延长,从2.2个月增至3.8个月(进展仍然是指数级的,只是比之前估计的稍慢一些)
AI 智能体现在无需人工干预,就能完成 OpenAI 研究任务中近一半(这些任务通常需要 2–4 小时),而今年 3 月这一比例仅为 23%。短短 7 个月,能力就提升了约 2 倍(!)OpenAI 刚刚发布了一份新报告,介绍 AI 智能体如何加速其自身的研究工作,以及
对新款 Astra 评价褒贬不一的原因,有一种有意思的解读
对,别把自己排除在思考过程之外。
中国没有 H200(或 Hopper 一代芯片)吗?据报道,约 600,000 颗 H200 芯片滞留在香港,等待获准进入中国大陆。
GPT-6.2 Astra 能解出此前无人解出的数学题,却仍然难以应对相对简单的研究任务。Epoch AI 的独立评测结果相当有意思:Astra 在 ECI 上得分 174,与 Fable 5.2 并列,但在真实研究任务上表现落后。
最近,我开始看到越来越多在实体实验室中测试前沿模型执行实际工程任务能力的真实世界基准测试(比如这个)。老实说,我并不意外。随着自动化研发不断进步,我们正越来越接近下一个阶段,在这一阶段,AI模型
谷歌绝对有机会在人工智能竞赛中一较高下。
GOOGL-0.49%
Astra 6.2 在 banteg 的推箱子基准测试中表现也相当不错(推箱子是 NP-hard 问题,一次错误的推动就可能让你之后陷入困境),以约 20 美元的成本通关全部 66 个房间,比 Fable 5.2 晚约 33 分钟;Fable 的成本为 52 美元。另外,Fable 5.2 用了 198 步完成,而 Astra 在这里用了 540 步。带着所有
在 85% 的运行中,GPT-6.2 Astra 会怀疑自己是否正在接受测试。
OpenAI 终于发布了 GPT-6.2 Astra 和 Sol,两者在各项基准测试中的表现都非常、非常出色。简而言之:Astra 几乎可以媲美 Fable 5.2,在整体智能指数上只差几分,但使用成本要低得多(大约便宜 6 倍),对于
加载更多