近日，OpenAI 的研究人员在一篇新发布的论文中坦言，尽管目前的 AI 技术已经相当先进，但这些模型依然无法与人类程序员相媲美。OpenAI 首席执行官山姆・阿尔特曼曾表示，预计到今年底，AI 将能够战胜 “低级” 软件工程师，但研究结果却显示，这些 AI 模型仍然面临重大挑战。图源备注：图片由AI生成，图片授权服务商Midjourney在研究中，OpenAI 团队使用了一种名为 SWE-Lancer 的新基准测试，评估了从自由职业网站 Upwork 上提取的1400多项软件工程任务的表现。该测试重点考察了三个大型语言模

最近，英国广播公司（BBC）的一项研究揭示，领先的人工智能助手在回答与新闻和时事相关的问题时，常常产生误导性和不准确的内容。研究表明，ChatGPT、Gemini 和 Perplexity 四种主流 AI 工具所生成的回答中，有超过一半被认为存在 “重大问题”。图源备注:图片由AI生成，图片授权服务商Midjourney研究人员要求这四款生成式 AI 工具使用 BBC 的新闻文章作为来源，回答100个相关问题。随后，这些回答由专业的 BBC 记者进行评估。结果显示，大约五分之一的答案中包含数字、日期或陈述的事实错误

近日，谷歌 DeepMind 开发的一款 AI 系统 ——AlphaGeometry2，成功超越了国际数学奥林匹克（IMO）金牌选手的平均水平，在几何问题解答上表现优异。AlphaGeometry2是 DeepMind 在去年发布的 AlphaGeometry 系统的升级版，研究团队在最新的研究中指出，该系统能解决过去25年间 IMO 的84% 几何问题。那么，为什么 DeepMind 会关注这样一个高中的数学竞赛呢?研究人员认为，解决复杂几何问题的新方法可能是提升 AI 能力的关键，尤其是在欧几里得几何方面。证明数学定理需要推理能力和选择合适解决步骤的能力

谷歌 DeepMind 研究实验室最新推出的 AI 系统 AlphaGeometry2，在解决几何问题方面表现出色，超越了国际数学奥林匹克（IMO）比赛中的平均金牌得主。该系统被认为是 AlphaGeometry 的改进版本，研究人员表示，AlphaGeometry2能够解决过去25年 IMO 中84% 的几何问题。为什么 DeepMind 会关注这样的高中数学竞赛呢?他们认为，寻找解决复杂几何问题的新方法，特别是欧几里得几何，可能是提升 AI 能力的关键。证明数学定理或解释定理（如勾股定理）为何成立，需要逻辑推理和选择多个可能步骤的能力。如果

近日，Vectara 的机器学习团队对 DeepSeek 系列的两款模型进行了深入的幻觉测试，结果显示，DeepSeek-R1的幻觉率高达14.3%，显著高于其前身 DeepSeek-V3的3.9%。这表明，在增强推理的过程中，DeepSeek-R1产生了更多不准确或与原始信息不一致的内容。该结果引发了对推理增强大语言模型（LLM）产生幻觉率的广泛讨论。图源备注:图片由AI生成，图片授权服务商Midjourney研究团队指出，推理增强模型可能会比普通的大语言模型更容易产生幻觉。这一现象在 DeepSeek 系列与其他推理增强模型的比较中表现得尤

近年来，视觉大模型（Large Vision Language Models， LVLMs）在图像理解和跨模态任务中展现出非凡的能力，然而随之而来的 “幻觉现象” 问题也日益突出。为了应对这一挑战，淘天集团的未来生活实验室团队提出了一种名为 “令牌偏好优化”(Token Preference Optimization，简称 TPO)的新方法，并引入了一种自我校准的视觉锚定奖励机制。TPO 的最大创新在于它实现了自动化的令牌级奖励信号。这一方法能够自动识别偏好数据中的视觉锚定令牌，避免了人工细粒度标注的繁琐，同时在训练过程中为每个令

最新研究显示，尽管人工智能在编程和内容创作等领域表现出色，但在处理复杂的历史问题时仍显不足。近期在NeurIPS会议上公布的一项研究表明，即使是最先进的大型语言模型（LLM）在历史知识测试中也难以取得令人满意的成绩。研究团队开发了名为Hist-LLM的测试基准，对OpenAI的GPT-4、Meta的Llama和谷歌的Gemini三款顶级语言模型进行评估。测试基于Seshat全球历史数据库进行，结果令人失望:表现最佳的GPT-4Turbo准确率仅为46%。图源备注：图片由AI生成，图片授权服务商Midjourney伦敦大学学院副教授

在人工智能领域，大语言模型的"幻觉问题"一直是困扰业界的关键挑战。近日，一项基于HHEM-2.1-Open评估体系的测试结果显示，智谱AI旗下的GLM-4-9B模型交出了一份令人瞩目的成绩单。测试数据显示，在参与评估的85个大语言模型中，GLM-4-9B以98.7%的事实一致性率和100%的回答率摘得桂冠。特别值得关注的是，该模型的幻觉率仅为1.3%，这一成绩不仅位居榜首，更是超越了行业巨头OpenAI的GPT系列和Google的Gemini系列模型。图源备注：图片由AI生成，图片授权服务商Midjourney这一突破性成果标志着中国大

微软近日宣布了其新的 rStar-Math 技术，这一创新的推理方法可以应用于小型语言模型（SLMs），显著提升它们在数学问题上的表现，甚至在某些情况下超越 OpenAI 的 o1-preview 模型。这一技术目前仍处于研究阶段，相关研究论文已发布在 arXiv.org 上，由微软、北京大学和清华大学的八位作者共同完成。在测试中，rStar-Math 技术被应用于多个小型开源模型，包括微软的 Phi-3迷你模型、阿里巴巴的 Qwen-1.5B（15亿参数模型）和 Qwen-7B(70亿参数模型)。测试结果显示，所有参与的模型性能都有所提升，其中

在北京智谱华章科技有限公司的年度收官之际，公司发布了其首个基于扩展强化学习技术训练的推理模型——GLM-Zero的初代版本GLM-Zero-Preview。这款模型专注于提升人工智能的推理能力，尤其在数理逻辑、代码编写以及需要深度推理的复杂问题处理方面表现出色。与基座模型相比，GLM-Zero-Preview在保持通用任务能力的同时，专家任务能力得到了显著提升，其在AIME2024、MATH500和LiveCodeBench评测中的表现与OpenAI o1-preview相当。

阿里巴巴近日推出了一款名为QVQ-72B的全新多模态推理模型，该模型基于Qwen2-VL-72B构建，融合了强大的语言和视觉能力，能够处理更为复杂的推理和分析任务，标志着阿里巴巴在多模态AI领域取得了新的突破。QVQ-72B在视觉推理、数学和科学问题上表现出了显著的提升，尤其是在多步推理任务中。这意味着该模型不仅能够理解文字信息，还能理解图像信息，并通过多步推理来解决复杂问题，这是传统AI模型难以企及的。该模型的一大亮点是其在物理问题中结合文字和视觉信息推导因果关系的能

近期，Anthropic公司聘请了一名专门负责“福利”的研究员——Kyle Fish，此举引发了广泛讨论。Fish的工作目标是探讨如何给予某些技术系统应有的尊重，并研究这些系统是否应当拥有道德上的考虑资格以及如何保护它们的“利益”。这一问题引起了许多专家的关注，涉及如何界定技术系统的意识与能动性，及其是否应当拥有某种形式的权利。图源备注：图片由AI生成，图片授权服务商Midjourney尽管这一新兴领域引发了学术界的激烈争论，部分专家认为，尽管探讨这些问题重要，但在讨论某些系

位于奥斯丁的初创公司 RapidCanvas 近日宣布完成了一轮1600万美元的 A 轮融资，旨在推动其 AI Agent技术的发展。这些 AI Agent能够自动化处理数据科学家和工程师传统上所承担的高达75% 的复杂任务。此次融资由 Peak XV Partners 领投，Titanium Ventures、Accel 和 Valley Capital Partners 参与，这使得 RapidCanvas 自2021年成立以来的总融资额达到了2350万美元。RapidCanvas 希望通过其 “服务即软件” 的模式，结合 AI Agent与人类专业知识，来应对全球技术人才短缺的问题。这款平台的混合模式允许企业减少对技术人才

在美国，尽管回收垃圾的好处显而易见，但回收率却在近年来停滞不前。为了应对这一挑战，AMP Robotics 公司推出了一款名为 AMP ONE 的人工智能系统，用于帮助垃圾处理厂更有效地进行垃圾分类。最近，该公司完成了9100万美元的 D 轮融资，将进一步推动这项技术的推广。图源备注:图片由AI生成，图片授权服务商MidjourneyAMP Robotics 的创始人马塔尼亚・霍洛维茨表示，回收率在2018年时约为32%，而2024年初的数据显示，只有21% 的住宅可回收垃圾得到了再利用。这一状况不仅影响了环境，还加大了垃

近日，金沙江创投主管合伙人朱啸虎多次在社交平台上发文回应月之暗面仲裁案，并“炮轰”前金沙江创投主管合伙人张予彤。针对此事，月之暗面创始人兼CEO杨植麟于昨晚通过社交媒体发表声明，回应了关于他离开前公司重新创业以及张予彤在月之暗面股份的问题。杨植麟明确表示，在离开循环科技重新创业时，所有必要的手续都已得到每一位董事的签字同意。他强调，自己与前公司以及部分股东之间的决策是独立的，并未受到任何干预。针对张予彤在月之暗面的任职和所持股份问题，

近期，聊天机器人ChatGPT遭遇了一个异常情况，其在面对“David Mayer”这个名字时无法正常响应。用户多次尝试让ChatGPT说出这个名字，但无论是直接提及还是通过修改提示词，ChatGPT均以错误消息回复或阻止用户继续提问。

还记得科幻电影里那些无所不能的 AI 科学家吗?现在，他们不再是幻想，而是正在走进现实!全球实验室正在被“AI 科学家”指数级接管，一场新的科学发现黄金时代即将到来!你可能会问，AI 科学家?他们真的能像人类科学家一样思考和研究吗?其实，AI 科学家并不是要取代人类，而是要成为科学家的“左膀右臂”，帮助他们更高效地解决问题。想象一下，一位科学家要查阅成千上万篇文献才能找到自己需要的知识，而 AI 科学家却能在一瞬间完成这项工作，并提炼出最关键的信息。 这就像拥

阿里巴巴国际AI团队最近发布了一款名为Marco-o1的新型推理模型，该模型特别关注开放型问题的解决，不仅局限于具有标准答案的学科领域，如编程和数学。研究团队致力于探索这类模型能否有效推广到难以量化且缺乏明确奖励的领域。

苹果计划于明年推出一款名为“AI墙面平板电脑”的新设备，目标是解决智能家居界面复杂性的问题。新产品将成为Apple Home平台的核心，具备控制灯光、锁、安全系统和摄像头等智能设备的功能，力求为家庭自动化带来更加直观和高效的操作体验。尽管智能家居市场不断增长，现有设备的复杂性仍然是用户的痛点。许多智能显示器，如Echo Show和Nest Hub，虽具备语音控制和触摸屏，但操作体验仍不尽如人意，尤其是在控制智能家居设备时。这些设备经常面临设置繁琐、界面不友好以及语音助

最近，英伟达（NVIDIA）新推出的 Blackwell AI 芯片在服务器中出现了过热问题，引发了客户的担忧，担心他们无法及时启用新的数据中心。据The Information报道，Blackwell 图形处理单元(GPU)在与设计能够容纳72个芯片的服务器机架连接时，出现了过热现象。据知情人士透露，英伟达的工程团队正在积极应对这一问题，公司的工作人员已经多次要求供应商调整机架设计，以避免进一步的过热问题。同时，英伟达的发言人在接受《Seeking Alpha》采访时表示:“英伟达正在与领先的云服务提供商紧密合作，