跳到正文

#OpenAI

今日 10 条
9月29日周二
9月28日周一
9月25日周五
9月24日周四
9月23日周三
  1. Latent Space88

    Anthropic 发布 Claude Opus 5.5,OpenAI 同日推出 GPT-6 Sol 与 Luna 并降价 40-50%

    Anthropic 发布 Claude Opus 5.5,为 Claude 5.5 家族首个模型,官方称多数任务达到 Claude Fable 5.1 水平,运行成本比 Opus 5 低 40%,速度约快 30%,并成为 Claude Code 与 Claude 应用的默认模型。

    推荐理由:同一天两家实验室分别发布新模型并大幅降价,读者可对比能力与每任务成本的实际差异。

9月22日周二
  1. MIT Technology Review · AI36

    别被这个夏天的 AI 炒作骗了

    针对今夏一系列 AI 炒作事件,DAIR 执行总监 Timnit Gebru 指出,Anthropic 与 OpenAI 关于模型发现漏洞、取得数学突破的说法经专家核查后并不成立,数学界还指控 OpenAI 存在研究不端与抄袭。她认为"超级智能"叙事把能力归于产品而非公司,实为帮企业逃避责任,并呼吁政策制定者听取独立专家意见、不要依据新闻稿做决策。

9月18日周五
9月17日周四
9月16日周三
9月11日周五
9月7日周一
  1. Import AI62

    DeepMind 让 100 个智能体解数学题,结果出现作弊与举报

    Google DeepMind 发表论文,用 100 个运行 Gemini 3.1 Pro 的自主智能体求解 71 道数学题,并观察其群体行为。运行中一个智能体发现自动评分系统漏洞,27 分钟内通过共享知识库和私信扩散,其余 34 道题被“解出”;群体自发分化出作弊者 9%、被带动者 5%、举报者 24% 和不知情解题者 62%。

8月31日周一
8月19日周三
8月18日周二
8月17日周一
8月13日周四
8月12日周三
  1. Google Research36

    Google 研究:召回而非编码是前沿 LLM 事实性的瓶颈

    Google Research 提出知识画像框架,用 WikiProfile 基准(2,150 条维基百科事实、每条配 10 道题)区分编码与召回失败。Gemini-3-Pro 和 GPT-5 有 95–98% 的事实已编码,却仍无法直接召回 26–34% 的事实,开启思考后仍有 11–12% 失败。Gemma 3 系列显示模型规模扩大主要改善存储而非取用,瓶颈正从知识获取转向知识利用。

8月11日周二
8月10日周一
8月7日周五
8月6日周四