30年码龄程序员4年都没搞定的bug，Claude Opus 4只用几个小时轻松破解了。
最顶尖的AI模型，做起奥数题来已经和人类相当，那做物理题水平如何呢？港大等机构的研究发现：即使GPT-4o、Claude 3.7 Sonnet这样的最强模型，做物理题也翻车了，准确率直接被人类专家碾压！
前几天在论坛上看别人激烈辩论 AI 是否会取代工程师，突然有人在回复中冷不丁的抛出一个评论： 别说那么多废话，先让 AI 画个左撇子出来。 这是个什么问题？
表现最好的GPT-o4 mini，物理推理能力也远不及人类！
Meta推出KernelLLM，这个基于Llama 3.1微调的8B模型，竟能将PyTorch代码自动转换为高效Triton GPU内核。实测数据显示，它的单次推理性能超越GPT-4o和DeepSeek V3，多次生成时得分飙升。
AI无处不在——从聊天机器人、推荐引擎到语音助手和ChatGPT或谷歌Gemini等工具。但在所有这些智能技术的背后，有一样东西经常被忽视：使这一切成为可能的硬件。
当大多数人还在学习如何使用ChatGPT生成简单文本时，一对年轻创始人已经让AI为你直接构建完整的移动应用。Levan Kvirkvelia和Daniel Dhawan创建的Rork让人想起了硅谷的电影剧情：从信用卡债务缠身、朋友家地板上的床垫，到一条病毒式推文引来百万美元融资，这家初创公司在vibe coding领域掀起了新浪潮。
OpenAI内部战略被法院文件意外揭露：从超级助手、品牌重塑，到基础设施扩容与对手博弈，ChatGPT正在进行一次全面进化升级。目标明确：成为年轻一代心中「最酷的智能体」。
只需知道6项个人信息，GPT-4就有可能在辩论中打败你？！
在文档理解领域，多模态大模型（MLLMs）正以惊人的速度进化。从基础文档图像识别到复杂文档理解，它们在扫描或数字文档基准测试（如 DocVQA、ChartQA）中表现出色，这似乎表明 MLLMs 已很好地解决了文档理解问题。然而，现有的文档理解基准存在两大核心缺陷：
