最近，一项新研究显示，即便是先进的 AI 语言模型，比如 OpenAI 最新的 o1-preview，在复杂的规划任务中也显得力不从心。这项研究是由复旦大学、卡内基梅隆大学、字节跳动和俄亥俄州立大学的科学家们共同进行的，测试了 AI 模型在两个规划基准上的表现:BlocksWorld 和 TravelPlanner。在 BlocksWorld 这个经典的规划任务中，大多数模型的准确率都低于50%，只有 o1-mini（略低于60%）和 o1-preview(接近100%)的表现相对较好。然而，当研究者将目光转向更复杂的 TravelPlanner 时，所有模型的表现都令人失望。

最近，剑桥大学等团队发表了一篇重磅论文，揭示了大模型（LLM）们的真实面目，深入剖析了当前大语言模型(LLM)的实际表现，结果令人震惊 —— 这些被寄予厚望的AI模型，在很多基本任务上的表现远不如人们想象的那样出色。这项研究对包括o1-preview在内的多个前沿模型进行了全面评测。结果显示，AI模型与人类在理解能力上存在显著差异。令人意外的是，模型在人类认为复杂的任务上表现出色，却在简单问题上频频失误。这种反差让人不禁怀疑，这些AI是否真的理解了任务本质，还是仅

OpenAI 的新系统在最近的评估中取得了出色的成绩，夺得了聊天机器人排名的第一名。但是，由于评分数量较低，这可能会扭曲评估结果。根据发布的概述，这些新系统在所有评估类别中都表现出色，包括整体性能、安全性和技术能力。其中一款专门用于STEM任务的系统与9月初发布的GPT-4o版本一起短暂排名第二，并在技术领域占据领先地位。Chatbot Arena是一个用于比较不同系统的平台，使用超过6，000个社区评分对新系统进行了评估。结果表明，这些新系统在数学任务、复杂提示和编程方面表

OpenAI 已向所有 ChatGPT Enterprise 和 ChatGPT Edu 客户提供其最新的 AI 模型 o1-preview 和 o1-mini。这些模型专为处理复杂推理任务而设计，有望改变组织和学术机构解决难题的方式，涵盖从高级编程到科学研究等多个领域。o1模型首次亮相是在本月初，代表了 OpenAI 在创造能够进行深度多步骤推理的 AI 方面的一次重大尝试。这些模型通过模拟人类的思维过程，能够解决以前 AI 模型难以应对的复杂问题，为依赖高级问题解决的行业带来了新的可能性。与其前身相比，o1-preview 和 o1-mini 模型在思维方式上

最近，OpenAI 的 ChatGPT 竟然 “主动” 给用户发消息，这让不少人感到有些惊慌。9月15日，一位名叫 SentuBill 的用户在 ChatGPT 的 Reddit 社区分享了一张截图，展示了这个聊天机器人询问他高中第一周的情况。在随后的对话中，ChatGPT 甚至表示想要定期 “关心” 用户，并询问是否希望自己主动发起对话。另一位用户也经历了类似的情况，AI 询问他一周前检查生病后症状的进展情况。许多人对这种突如其来的互动感到好奇，甚至有些不安。起初，大家以为这可能是 OpenAI 新推出的 o1-preview 和 o1-min

近日，OpenAI 推出了备受期待的 AI 模型，此前代号为 “草莓”，正式名称为 “o1-preview”。OpenAI 承诺这款新模型在物理、化学和生物学等难度较大的基准任务上表现不亚于博士生。然而，初步测试的结果显示，这款 AI 离替代人类科学家或程序员的目标仍有很大距离。社交媒体上，许多用户分享了他们与 “OpenAI o1” AI 的互动体验，结果显示该模型在基本任务上依然表现不佳。例如，INSA Rennes 的研究员 Mathieu Acher 发现，OpenAI o1在解决某些棋类谜题时，频繁提出非法的棋步。而 Meta AI 科学家 C