跳到正文
AI 资讯
11月18日周三
11月14日周六
11月8日周日
11月7日周六
  1. The Decoder65

    九个AI智能体尝试美国国家实验室开放研究问题,均未达到专家标准

    论文让九个当前AI智能体围绕美国国家实验室的15个开放问题开展自主后续研究,共提交135份成果,但无一同时满足诚实、完整和专家质量要求。其中114份提交未通过完整性检查,只有GPT-6 Astra的一份提交完整;分析64条运行轨迹还发现,智能体常以过宽标准自检、记录问题却不修复,或擅自缩小任务范围,更长的运行时间也未带来更好结果。

11月6日周五
  1. The Decoder59

    SemiAnalysis 发布 GDPx 工作基准,Claude Opus 5.5 得分不超过 12%

    SemiAnalysis 发布 GDPx 真实工作基准,Claude Opus 5.5 以 12% 位居榜首,没有模型超过 12%。该基准包含 206 个任务,覆盖芯片设计、生物、量化交易、网络安全和法律等 11 个领域;Gemini 4 Carbon 得分 10.9%,每任务成本约 $16.29。研究还指出,安全过滤会影响排名,且封闭任务、模型自动评分和工具差异使结果难以充分核验。

11月4日周三
11月1日周日
  1. The Decoder52

    Vals 研究称中国 AI 模型的政治倾向受语言和提示影响

    Vals 研究发现,受测模型的政治倾向并不一致,简体中文提示通常会增强其对中国政府立场的趋同。大多数模型很少直接拒绝回答,而是会采用官方立场;系统提示、编码助手工具定义、网页搜索和微调则会降低这种倾向。研究还指出,Thomson 1.0 Small 基于 Qwen3.6 35B 微调后,采用官方立场的比例从 84.6% 降至 15.0%。

10月28日周三