奥赛级AI基准来了：难倒所有模型，GPT-4o仅考34分，上海交大出品
奥赛级AI基准来了：难倒所有模型，GPT-4o仅考34分，上海交大出品为了进一步挑战AI系统，大家已经开始研究一些最困难的竞赛中的问题，特别是国际奥林匹克竞赛和算法挑战。
来自主题: AI技术研报
5236 点击 2025-04-01 09:49
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
为了进一步挑战AI系统，大家已经开始研究一些最困难的竞赛中的问题，特别是国际奥林匹克竞赛和算法挑战。
由于 DeepSeek R1 和 OpenAI o1 等推理模型（LRM，Large Reasoning Model）带来了新的 post-training scaling law，强化学习（RL，Reinforcement Learning）成为了大语言模型能力提升的新引擎。然而，针对大语言模型的大规模强化学习训练门槛一直很高：
说真的，即使玩过了这么多的DeepResearch产品，我也没想到，他们能扔出个这么个有趣的玩意。这个产品叫做，AutoGLM沉思版。
你是否曾对着一个繁复的AI框架，无奈地想："真有必要搞得这么复杂吗？"在与臃肿框架斗争一年后，Zachary Huang博士决定大刀阔斧地革新，剔除所有花里胡哨的部分。于是Pocket Flow诞生了——一个仅有100行代码的超轻量级大语言模型框架！
更便宜、更准确、更高效
论文第一作者为余鑫，香港大学三年级博士生，通讯作者为香港大学齐晓娟教授。主要研究方向为生成模型及其在图像和 3D 中的应用，发表计算机视觉和图形学顶级会议期刊论文数十篇，论文数次获得 Oral, Spotlight 和 Best Paper Honorable Mention 等荣誉。此项研究工作为作者于 Adobe Research 的实习期间完成。
这三篇论文，出自同一AI之手。
在科技重塑医疗的新浪潮下，张强医生集团经过一年多的精心筹备、无数次严格测试和调试，全球首个静脉曲张垂直领域AI智能体VaricoSeek 1.0版对广大患者和医生开放免费使用。
AI社区掀起用大模型玩游戏之风！例如国外知名博主让DeepSeek和Chatgpt下国际象棋的视频在Youtube上就获得百万播放，ARC Prize组织最近也发布了一个贪吃蛇LLM评测基准SnakeBench。
CAMEL-AI 团队在 Manus 上线后 1 天内推出的 OWL 就是其中最具代表性的一个，项目实测成绩达到开源界 GAIA 性能天花板，达到了 58.18%，超越 Huggingface 提出的 Open Deep Research 55.15% 的表现。