GPT-6刷到99.9%，ARC AGI考卷被迫重做！下一关考「发明」
GPT-6刷到99.9%，ARC AGI考卷被迫重做！下一关考「发明」AI把考卷刷到接近满分，下一张，还能考什么？
来自主题:
AI资讯
7033 点击 2026-09-16 10:36
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
AI把考卷刷到接近满分，下一张，还能考什么？
中国科技又拿下“全球第一”，这次突破难在哪？
想象一下这个场景：一场多人线上会议，有人说话时画面自动聚焦到发言者；一段综艺素材，后期系统能自动识别谁在讲话并生成字幕；一段监控录像，系统能在人群中持续追踪正在说话的那个人。
零样本学习的目标，是让模型识别训练时从未出现过的类别。
随着 Genie 3 的发布，可交互世界模型真正走到台前：用户不再只是观看生成视频，而是可以输入动作实时改变一个持续演化的世界。世界模型开始从「生成一段视频」走向「模拟一个可交互世界」，但能走进去，不等于经得起探索。模型能否持续响应控制、维持视觉与空间一致、遵守物理规律并记住来路，仍缺少系统评测。
作者三文盐体验良配等AI Dating产品后指出，AI Dating已演变为衡水中学式做题相亲，AI军师与提效机制无法解决情感茫然与真实人际连接的本质。
地铁急刹，金属尖叫，广播响起「请乘客注意扶稳」，人群骚动、孩子哭声、对讲机杂音一层层涌上来···
晚上下班，你正百无聊赖地坐在地铁里玩着你的手机。
忍！不！了！了！ 你老A社天天一会儿AI要失控、一会儿互联网要完蛋，转头自己IPO、融资、扩算力，一个都没耽误？？
北航、南方科技大学、复旦大学、北京理工大学、爱丁堡大学等 8 家机构的 19 位研究者联合完成 Theory of Agent 综述，讨论模型内部与外部 harness 应如何分配能力，并据此梳理 LLM Agent 的学习、对齐、演化与评测。
“智能并不局限于大脑内部。当我们使用纸笔或地图来梳理复杂问题时，这些外部工具就成为了我们‘延展的心智’。”
把 On-Policy Distillation（在线策略蒸馏，OPD）的训练集从 17000 道题删到 1 道，会发生什么？
OpenAI的GPT-6 Sol已在API中被发现并处于内部测试阶段，预计本月与Anthropic的Opus 5.2同期上线，实测显示其性能逼近GPT-6 Astra但调用成本更低；OpenAI核心研究员Noam Brown在播客访谈中透露，公司已将AI递归自我改进（RSI）确立为第一优先战略目标。
OKEight（回了么）是程梦琪团队开发的AI回复工具，它为每位联系人维护本地人物卡，学习用户与不同人的沟通风格，在Mac端读取当前对话生成候选回复，并记录未完成的约定和事项。
过去两周里，「循环深度」这个词变成了 AI 安全讨论的焦点。
成立才一个多月，估值就要冲到 500 亿美元。
刚刚，生数上线了最新的 实时视频模型 S2，输出提高到 720p，保持 25—42 FPS，包含下面两款：
DeepSeek资深MLSys工程师刘胜与深夜发文，坦承刚完成V4.1核心算子交付后，意识到AI已能自主编写和优化GPU算子，正迫使他从手写底层算子转向驾驭AI Agent的"机甲驾驶员"，并警示工程底层能力空心化可能带来系统性风险。
OpenAI计划以3亿美金收购由前苹果工程师创立的AI影像公司Glass Imaging，以补充端侧视觉能力，布局多模态AI硬件。
大模型过去几年的能力跃迁，几乎都围绕一个词：Scaling。
Token词元替代了Byte字节，但不意味着大模型都得是Token。
人类密码学界，要破防了？
Agent爆发时代，我们需要什么样的AI计算底座？
就在刚刚，飞书和豆包工作一起，开了他们的全新发布会。
小宇宙想要「强而久」。
过去两周，AI圈最让人坐不住的三个字母，就是RSI。
“在 MBZUAI 读研，是世界上最好的工作。”
Astra 惊艳之后，具身公司还有护城河吗？
真实家庭任务往往从「不完整的信息」开始：机器人不知道目标在哪里，用户也未必能一次说清自己想要什么。面对「帮我从餐桌上拿点零食」这样的模糊指令，机器人不仅要主动寻找候选物体，还要在发现面包和多个甜甜圈后进一步询问用户，确认究竟该拿哪一个。
AI 的竞赛正在经历一次深刻的转向。过去两年，行业目光从“卷参数”转向“卷推理”，如今新的分水岭已经显现：AI 能否从数字世界走进物理世界，真正去“行动”？
