自从 OpenAI 发布展现出前所未有复杂推理能力的 o1 系列模型以来，全球掀起了一场 AI 能力 “复现” 竞赛。近日，上海交通大学 GAIR 研究团队在 o1 模型复现过程中取得新的突破，通过简单的知识蒸馏方法，团队成功使基础模型在数学推理能力上超越 o1-preview。
如何解决模型生成幻觉一直是人工智能（AI）领域的一个悬而未解的问题。为了测量语言模型的事实正确性，近期 OpenAI 发布并开源了一个名为 SimpleQA 的评测集。而我们也同样一直在关注模型事实正确性这一领域，目前该领域存在数据过时、评测不准和覆盖不全等问题。例如现在大家广泛使用的知识评测集还是 CommonSenseQA、CMMLU 和 C-Eval 等选择题形式的评测集。
kimi全面开放一周年之际，创始人杨植麟亲自发布新模型—— 数学模型k0-math，对标OpenAI o1系列，主打深入思考。 在MATH、中考、高考、考研4个数学基准测试中，k0-math成绩超过o1-mini和o1-preview。
大模型的具身智能决策能力，终于有系统的通用评估基准了。
终于，Windows用户也可以用上ChatGPT了。就在刚刚，OpenAI推出了适用Windows系统的ChatGPT应用。不过，目前仅供ChatGPT Plus、Team、Enterprise和Edu用户使用。
o1-preview终于赢过了mini一次！ 亚利桑那州立大学的最新研究表明，o1-preview在规划任务上，表现显著优于o1-mini。
数学击败o1-preview，成本仅为十分之一，并且几乎没有思考延迟！
OpenAI的o1系列一发布，传统数学评测基准都显得不够用了。
随着AI模型的水平不断提高，现有的基准测试也被逐一攻破。CAIS和Scale AI共同发起了属于人类的最后一搏，悬赏50万美元，把最高难度、只有最顶尖的人才能回答出的问题收集起来作为基准，是否能挡住AI模型的攻势？
AI编程技术竞赛加剧
