AI集体“听不懂”！MMAR基准测试揭示音频大模型巨大短板
AI集体“听不懂”！MMAR基准测试揭示音频大模型巨大短板用AI来整理会议内容，已经是人类的常规操作。 不过，你猜怎么着？面对1000道多步骤音频推理题时，30款AI模型竟然几乎全军覆没，很多开源模型表现甚至接近瞎猜。
来自主题: AI技术研报
9623 点击 2025-06-09 14:43
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
用AI来整理会议内容，已经是人类的常规操作。 不过，你猜怎么着？面对1000道多步骤音频推理题时，30款AI模型竟然几乎全军覆没，很多开源模型表现甚至接近瞎猜。
家人们，又有好玩儿的AI出现了—— 火山引擎发布豆包·播客模型！ 来来来，我们直接听一段：
6月6日，麻省理工学院与Recursion共同宣布推出一款突破性的AI+药物研发模型Boltz-2，用于预测药物靶标 3D 结构，以及结合亲和力。
2024年，伯克利人工智能研究中心（BAIR）率先提出了一个新概念——复合人工智能系统（Compound AI Systems，简称CAIS）。这个看似简单的术语背后，蕴含着AI系统架构的根本性改变：不再依赖单一LLM的"超级大脑"，而是构建多组件协同的"智能生态系统"。
AI会有情感吗？机器人会不会感知到疼痛？未来人类与AI的边界在哪里？我们梳理了"互联网女皇"玛丽·米克尔、"AI教父"杰弗里·辛顿、科技预言家凯文·凯利、DeepMind CEO德米斯·哈萨比斯的近期访谈，他们从诸多维度，各自表达他们心中的AI时代图景。
当前，强化学习（RL）在提升大语言模型（LLM）推理能力方面展现出巨大潜力。DeepSeek R1、Kimi K1.5 和 Qwen 3 等模型充分证明了 RL 在增强 LLM 复杂推理能力方面的有效性。
这两天，很多媒体都在写用AI考高考题的内容。
苹果最新大模型论文，在AI圈炸开了锅。 有人总结到：苹果刚刚当了一回马库斯，否定了所有大模型的推理能力。
Test time scaling范式蓬勃发展。推理模型持续快速改进，变得更为高效且价格更为亲民。在评估现实世界软件工程任务（如 SWE-Bench）时，模型以更低的成本取得了更高的分数。以下是显示模型变得更便宜且更优秀的图表。
模型卷得差不多了，AI硬件竞争开启了。Google前脚刚在I/O大会上预告，整合了Gemini AI的Android XR设备即将问世；OpenAI就紧随其后，宣布将以近65亿美元（约合人民币468亿元）的全股权交易方式，收购一家硬件初创公司IO。