不用考生实测就知道题难不难：这个AI试题评测框架把考试难度“量化”了 | TMLR
不用考生实测就知道题难不难：这个AI试题评测框架把考试难度“量化”了 | TMLR一道试题对人来说有多难，能否从大模型的解题过程中找到线索？
来自主题: AI技术研报
6146 点击 2026-11-02 15:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
一道试题对人来说有多难，能否从大模型的解题过程中找到线索？
各大AI框架都错了！
近日，厘清智能创始人、清华大学人工智能学院李一鸣教授团队发布了两项 Physical AI 研究成果：世界动作模型 PrismWAM，以及面向机器人执行诊断与持续改进的 Agentic 框架 RoboDoctor。
智谱唐杰团队发布并开源无标签递归自我改进框架HarnessPro，在SWE-Bench Pro等基准提升通过率的同时，将单任务平均成本降低53.0%。
复旦大学可信具身智能研究院团队提出具身自进化框架RoboSkill，通过触觉反馈确认物理状态并积累、复用含代码的Skill，减少机器人Agent重复探索与推理，缩短任务执行时间。
上海交大00后团队创办的芯生代完成数千万元种子轮融资，计划让Agent为不同模型、芯片和场景生成可自我迭代的定制推理引擎，其EvoKernel框架已将昇腾算子生成正确率从4%提升至83%。
DeepSeek 开源的推理框架 DeepInfer 经 PCIe 本机取数改造后，可在无 RDMA 网卡的 4 张 B200 上以 128k 上下文承载 1024 并发，总输出约 6.2 万 token/s。
没想到这也开源了。
就在刚刚，DeepSeek再放大招，全面开源自研推理框架DeepInfer。一个集群一天服务155万亿Token，DeepSeek V4.1 Flash高吞吐、低延迟的大规模推理，靠的就是它。
GPU集群里，请求排队和资源闲置，可能同时发生。