AI无法攻克的235道谜题！让o1、Gemini 2.0 Flash Thinking集体挂零
AI无法攻克的235道谜题！让o1、Gemini 2.0 Flash Thinking集体挂零Scale AI 等提出的新基准再次暴露了大语言模型的弱点。
来自主题:
AI技术研报
10498 点击 2025-02-17 14:49
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
Scale AI 等提出的新基准再次暴露了大语言模型的弱点。
这次不是卷参数、卷算力，而是卷“跨界学习”——
近年来，大语言模型（LLMs）取得了突破性进展，展现了诸如上下文学习、指令遵循、推理和多轮对话等能力。目前，普遍的观点认为其成功依赖于自回归模型的「next token prediction」范式。
AI给阿里涨了约9000亿港元市值
如今的AI PC究竟有没有意义，我们实际测了测。
人工智能科学家吴恩达指出，AI的浪潮将席卷各行各业，催生「10倍专业人士」！这不仅仅是效率的提升，更是工作方式的变革。本文将深入解读AI如何赋能职场，揭示成为「10倍人才」的秘诀！
广东打响了第一枪。深圳龙岗区的政务系统悄悄上线了DeepSeek-R1全尺寸模型，群众办事时面对的不再是机械的问答机器人，而是一个能理解“我想办落户，但社保断了3个月怎么办”这类复杂问题的AI公务员。东莞紧随其后，把DeepSeek塞进了人工智能大模型中心，号称要让“企业办证速度跑赢奶茶外卖”。更狠的是广州，直接祭出DeepSeek-R1和V3 671B双模型组合
全球空间智能第一股来了！来自中国，来自杭州。2月14日，空间智能独角兽群核科技正式向港交所递交招股说明书，启动IPO进程，冲击“全球空间智能第一股”，摩根大通、建银国际为联席保荐人。
据 BloomBerg 报道，OpenAI 的董事会正式拒绝了由埃隆·马斯克领导的一组投资者提出的以 974 亿美元收购控制这家人工智能公司的非营利组织的提议。
知乎直答默默掏出了自己的“底牌”。为啥这么说呢？因为知乎不仅有自己的AI模型，还攒了十多年的中文高质量知识库，再加上真实的问答场景作为AI的“实战训练场”，简直就是AI界的“学霸”。有了DeepSeek-R1的加持，知乎直答的推理能力直接拉满，传统搜索看了直呼“内行”，妥妥成了AI时代的“搜索界天花板”。
本文的作用是帮你把问题具体化，这是用好DeepSeek-R1等推理型模型的前置步骤。
近两年，AI的发展似乎进入寒武纪生命大爆发，令人眼花缭乱，目不暇接。大家在尽情感受各种惊喜和意外的同时，如同AI会产生幻想一般，有些人幻想共产主义社会的实现也因AI的发展而加速，也有人为曾经失败的社会政策寻求新的可能性，认为计划经济依旧可行，也有的人对未来的发展表现出担忧，认为人终将成为《黑客帝国》中AI奴役的对象？
由清华大学新闻与传播学院、人工智能学院双聘教授沈阳教授团队、中央民族大学新闻与传播学院向安玲老师，倾力打造《DeepSeek如何赋能职场应用》，助你从提示语技巧到多场景应用。
中国初创企业DeepSeek（深度求索）开发的高性能、低成本生成式AI（人工智能）大规模语言模型（LLM）受到了全世界的关注。日本经济新闻（中文版：日经中文网）就如何评价该公司的最新AI模型、安全性方面的风险、以及对日本企业的影响等问题，采访了日本AI研究领域的第一人、东京大学教授松尾丰。
一张图、一句提示词，万物都能乱入你随手拍的视频。
巨头都在加速
一直以来，学术与实际产品的 Prompt 完全脱节，真实场景下，很多产品都聚焦情感陪伴，文案生成等开放任务里。而学术上这些任务没有明确的指标，无法量化也就没办法被比较，于是绝大部分的 Prompt 优化工作都聚焦在“刷榜”，例如怎么提升一个模型的代码/数学能力。我们今天跑的项目叫 SPO，具体什么意思并不重要，重要的是它把之前的所有问题全部解决了。
近年来，多模态大模型（MLLM）在视觉理解领域突飞猛进，但如何让大语言模型（LLM）低成本掌握视觉生成能力仍是业界难题！
大家都知道 我很喜欢研究排版
ElevenLabs 似乎无处不在。2025年 1 月，Lex Fridman在基辅对乌克兰总统Zelenskyy进行了长达三小时的采访，采访中使用了ElevenLabs 提供的AI英语、乌克兰语和俄语翻译，完美地保留了泽连斯基的语音和语调。这是AI消除语言障碍能力的一次引人注目的展示。
据外媒披露，人形机器人初创公司Figure AI正在洽谈新一轮15亿美元融资，公司估值高达395亿美元。Figure本轮融资预计将由Align Ventures和Parkway Venture Capital领投。
在国家儿童医学中心、北京儿童医院会诊中心，一位专家型AI儿科医生正式“上岗”，与13位儿科专家共同完成了一场疑难病例多学科会诊。记者从北京儿童医院了解到，这是全国首个AI儿科医生，有望辅助疑难罕见病诊疗，为儿科医疗服务带来新变革。
马上整整1个月了！这一个月以来，全球大模型市场受DeepSeek搅动，无不方寸大乱。中外大厂、初创公司都头好秃，全被追着问：你们对DeepSeek怎么看？DeepSeek出来你们怎么办？
最近，全国各地的真孙子都暂时失宠了。因为奶奶们纷纷爱上了社交平台上的“AI孙子”。事情是这样的，有年轻网友过年回家探望老人，发现奶奶正在对着手机里一群穿着红色小肚兜、小棉袄的小胖孩喜笑颜开。
北京时间2月16日，马斯克宣布，将于太平洋时间周一晚上8点（北京时间2月18日12:00）发布Grok 3大模型，届时将进行现场演示。马斯克称Grok 3有非常强大的推理能力，在测试中的表现超越包括DeepSeek在内的所有已发布的AI大模型模型。5G与6G公众号（ID：angmobile）注意到马斯克表示Grok 3的某些能力之强“让人感到可怕”。
时隔两年，Sydney又回来了！奥特曼官宣了GPT-4o更新后，网友测试发现，ChatGPT不仅「戏精」附体，甚至能深入人心，让人感动落泪。
自然语言 token 代表的意思通常是表层的（例如 the 或 a 这样的功能性词汇），需要模型进行大量训练才能获得高级推理和对概念的理解能力，
“张小龙觉得对这个功能自己最满意的地方之一，就是一经发布几乎没有改进余地而稳定运行了十年。”极客公园创始人张鹏在与张小龙对话后，这样总结微信的产品逻辑。这一点在微信成为真正意义上的“国民社交App”之后，也没有发生改变。
一觉醒来，AI应用的天变了！而且据腾讯回应消息，接入的还是满血版 DeepSeek R1！微信正在灰度测试该模型，部分灰度到的用户可以内测相关的 AI 搜索功能。
