棋盘变战场，大模型却呆了？普林斯顿、UT Austin新基准SPIN-Bench曝AI智商瓶颈
棋盘变战场，大模型却呆了？普林斯顿、UT Austin新基准SPIN-Bench曝AI智商瓶颈当棋盘变成战场，当盟友暗藏心机，当谈判需要三十六计，AI 的智商令人叹息！
来自主题: AI技术研报
7899 点击 2025-03-25 09:50
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
当棋盘变成战场，当盟友暗藏心机，当谈判需要三十六计，AI 的智商令人叹息！
可引导性（steerability）是下一个关键点。你需要扩展问题的定义，或者Agent需要回来提出更多问题。在流程的最后，你要验证结果。
哎！最近推特上的网友在LMSYS Arena 发现了个泄漏的大模型 Nebula，效果据说特别好，打败了o1、o3mini、Claude3.7 Thinking等等模型：网友们通过询问和分析 API，发现这似乎是谷歌正在秘密演练的新推理模型！推测可能是 Google Gemini 2.0 Pro Thinking：
做表情包一度是很多文生图、文生视频应用的场景。Pika在去年就靠魔法猫，在国外出圈了一把。
本周早些时候，Anthropic 为其 AI 驱动的聊天机器人平台 Claude，推出了网页搜索功能，使其与许多竞争对手保持一致。
自 2023年OpenAI发布函数调用功能以来，我一直在思考如何开启智能体和工具使用的生态系统。随着基础模型变得越来越智能，智能体与外部工具、数据和API交互的能力却日益碎片化：开发人员需要为智能体运行和集成的每个系统都实现具有特殊业务逻辑的智能体。
现在，你可以指导 GPT-4o 的说话方式了。
近日，前字节跳动 AI 技术专家解浚源在朋友圈官宣加入具身智能创业公司千寻智能，并发布了千寻智能最新披露的 Spirit v1 VLA 演示视频。据悉，解浚源目前任职千寻智能具身智能部负责人，全面负责具身大模型的研发工作。
随着硅基流动的 SiliconCloud 等平台上线 DeepSeek-R1，市面上出现了不少测试各大厂商 API 服务的评测文章及反馈，不过，从我们收到的不少内容及反馈来看，其中的对比测试方式多有漏洞，内容质量参差不齐。
Anthropic终于为Claude解锁了网络搜索功能，这一姗姗来迟的升级让它从「数据截止」的限制中解放出来，网友泪目欢呼雀跃！现在，Claude不仅能实时获取网络资讯，还能在回答中附上来源，实用性大幅提升。