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
11328 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。
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。
一张图、一句提示词，万物都能乱入你随手拍的视频。
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！
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。