搜索
刚刚开源的新基准测试PaperBench，6款前沿大模型驱动智能体PK复现AI顶会论文，新版Claude-3.5-Sonnet显著超越o1/r1排名第一。与去年10月OpenAI考验Agent机器学习代码工程能力MLE-Bnch相比，PaperBench更考验综合能力，不再是只执行单一任务。
一个7B奖励模型搞定全学科，大模型强化学习不止数学和代码。
“艺术家与人工智能”的张力正在持续紧张。OpenAI虽然声称避免复制“个别在世艺术家的风格”，但它一直在践行并推动政策允许AI对版权内容的训练；而小部分能够承担高昂诉讼成本的艺术家，却也因为版权法灰色地带而面临不确定的局面，更不要说那些不知名的艺术家们了。
时隔4个月，再来讲下AI智能陪伴硬件。
字节有一个很实用但不怎么火的项目，叫 Midscene.js，Chrome 商店上的安装数仅有 1 万，它是一个由多模态模型驱动的前端自动化测试插件。自动化测试我平常很少用到，但我发现它特别适合用来写爬虫……
DeepMind内部研究要「封箱」了！为保谷歌在AI竞赛领先优势，生成式AI相关论文设定6个月禁发期。不仅如此，创新成果不发，Gemini短板不提。
在算力投资激增的当下，GPU卡回收与维修行业逐渐成为一条隐秘的暴利赛道。特别是一些众所周知的原因，串串资源的货源和魔改卡的维保是重灾区！ 现状：运营一年以上的算力中心运营商手里一定有坏掉的A100和H100服务得不到及时维修，放在那吃灰，无法对外出租算力产生收入。
这个世界永远不缺商业奇迹，隔几年就会涌现出一些新的标志性人物，Cursor 联合创始人兼 CEO Michael Truell 应该就是当下的一位新星。
在数学推理中，大语言模型存在根本性局限：在美国数学奥赛，顶级AI模型得分不足5%！来自ETH Zurich等机构的MathArena团队，一下子推翻了AI会做数学题这个神话。
最近GPT-4o确实超级好玩，玩法不要太多，我有很多想法但无奈最近服务器一天到晚崩溃个没完，（建议只为了生图功能准备买会员还没买的再考虑考虑），暂时没法做多玩法汇总的详细教程，今天单讲生成表情包的流程。