搜索
EinsiaAI旗下Navers Lab发布Quant Arena，将6家厂商的9个模型置于A股历史数据中评测，4个代表策略盈利、5个亏损，最佳GPT-6 Astra年化收益10.7%仍低于17.1%的市场基准。
这两年大模型圈有一条几乎没人怀疑的信条，Scaling Law。
用 AI 最让人崩溃的瞬间，莫过于你花半天纠正它把任务做对，换个新会话，它转头又踩进同一个坑里。模型做过了事，却没变成它的成长。跑通单次任务之外，它真正缺的是把反馈转化为经验，并在之后主动调用。
现在的大模型，已经越来越擅长从自然语言直接生成一个可以运行的游戏。
上月发布 GPT-6-Astra 时，OpenAI 称它为「全球智能程度最高且最符合人类意图的模型」。具身社区则是惊讶的发现，VLA vs WAM 的路线之争，被通用大模型用文字模态「降维打击」了，大家不禁想问：
近日，腾讯混元官方账号（@TencentHunyuan）在 X 上发布了一项新研究：ExplorationBench，一个专门衡量 AI 系统如何「探索」的评测基准；随后，腾讯 AI 官方账号（@TencentAI_News）也发文进行了专题推介。
即便通用大模型的图像、视频能力越来越强，消费者依然持续为垂直创意工具付费
让大模型回答一道数学题，通常还能拿标准答案判断对错。可如果问题换成「梳理一个领域的研究进展」「比较几种技术路线」或者「给出有依据的专业建议」，怎样才算答得好？答案没有唯一版本，遗漏关键事实、混淆概念、论证不充分，都可能藏在一段看起来很流畅的文字里。
谷歌开源Harness²递归自我改进项目，使大模型无需修改权重即可自主优化外围脚手架，单步改进让GLM-5在WorkBuddy-Bench上提升11.5分。
大湾区大学许地生教授团队与上海AI实验室借助书生-S2科学基础模型证明Ghys猜想在复余维一情形下成立，北京大学董彬教授、刘若川院士团队随后完成形式化验证。