用「进化+压力测试」自动生成的竞赛级编程题，各家大模型谁更hold住？
用「进化+压力测试」自动生成的竞赛级编程题，各家大模型谁更hold住？在当前评测生成式模型代码能力的浪潮中，传统依赖人工编写的算法基准测试集，正日益暴露出可扩展性不足与数据污染严重两大瓶颈。
来自主题: AI技术研报
8163 点击 2025-10-29 10:03
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
在当前评测生成式模型代码能力的浪潮中，传统依赖人工编写的算法基准测试集，正日益暴露出可扩展性不足与数据污染严重两大瓶颈。
在文化遗产与人工智能的交叉处，有一类问题既美也难：如何让机器「看懂」古希腊的陶器——不仅能识别它的形状或图案，还能推断年代、产地、工坊甚至艺术归属？有研究人员给出了一条实用且富有启发性的答案：把大型多模态模型（MLLM）放在「诊断—补弱—精细化评估」的闭环中训练，并配套一个结构化的评测基准，从而让模型在高度专业化的文化遗产领域表现得更接近专家级能力。
蚂蚁集团这波操作大圈粉！智东西10月28日报道，10月25日，蚂蚁集团在arXiv上传了一篇技术报告，一股脑将自家2.0系列大模型训练的独家秘籍全盘公开。今年9月至今，蚂蚁集团百灵大模型Ling 2.0系列模型陆续亮相，其万亿参数通用语言模型Ling-1T多项指标位居开源模型的榜首
AI大house真来了。
当AI开始「自己学会学习」，人类的角色正在被重写。DeepMind最新研究DiscoRL，让智能体在多环境交互中自主发现强化学习规则——无需人类设计算法。它在Atari基准中击败MuZero，在从未见过的游戏中依旧稳定高效。
当强大的多模态大语言模型应用于地球科学研究时，它面临着无法忽视的 「阿克琉斯之踵」
近期，DeepSeek-OCR提出了“Vision as Context Compression”的新思路，然而它主要研究的是通过模型的OCR能力，用图片压缩文档。
人眼秒懂，AI抓瞎！网友用光学错觉玩坏大模型，全网百万人围观。
能看懂相机参数，并且生成相应视角图片的多模态模型来了。
周日晚上，都准备去睡觉了。结果在 X 上刷到一条消息，有个国外的博主说，MiniMax 的 M2 模型将会成为中国最好的模型，与 Sonnet 4.5 旗鼓相当。 我当时心里咯噔一下。MiniMax?