大模型玩不好数独？！Transformer作者初创公司公布排行榜：o3 Mini High“变异数独”正确率仅2.9%
大模型玩不好数独？！Transformer作者初创公司公布排行榜：o3 Mini High“变异数独”正确率仅2.9%大模型做数独，总体正确率只有15%？？？
来自主题:
AI资讯
11128 点击 2025-05-28 15:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
大模型做数独，总体正确率只有15%？？？
5 月 28 日，有消息称字节跳动发布最新内部邮件，宣布将逐步禁用包括 Cursor、Windsurf 在内的第三方 AI 开发软件，转而推广自研编程助手 Trae 作为替代方案。邮件由字节跳动安全与风控部门发出，称此举是出于防范数据泄露风险的考虑，自 6 月 30 日起将分批在内部实施相关禁用措施。
从OpenAI 的 4o 到 Stable Diffusion，能够根据文本提示生成逼真图像的 AI 基础模型如今已比比皆是。相比之下，能够仅凭文本提示就生成完整、连贯的 3D 在线环境的基础模型才刚刚崭露头角。
你有没有遇到过这样的算力困境：买了 GPU，用不了几次就闲置烧钱，偶尔想用的时候却一卡难求？
2025 年快要过半，今年上半年 AI 搜索、AI 深度研究类产品可谓是欣欣向荣。
1+1等于几？
王潜曾在美国创立量化基金，可“晚上经常睡不着想做机器人”，2023年，他解散了基金，回国创业。
在日益强调“思维能力”的大语言模型时代，如何让模型在“难”的问题上展开推理，而不是无差别地“想个不停”，成为当前智能推理研究的重要课题。
您是否遇到过这样的困扰：明明搭建了完善的RAG系统，但Agent总是回答过时的信息，或者面对历史偏好变化时一脸茫然？
去年行业信仰强共识，今年大家寻找非共识。
既能提升模型能力，又不显著增加内存和时间成本，LLM第三种Scaling Law被提出了。
2025年上半年，Agent成为大模型领域讨论最多的主题之一。
AI 就像一头野驴，跑起来就不停。人类花了几百万年才走上食物链顶端，而大模型只用了不到十年时间，已经能把你和刘亦菲 P 进一张自拍了。奥！最新进展是已经能自己生成音画同步的超真实脱口秀了。
医疗站在变革的关键节点，AI正渗透行业的每一个角落，为资源分布不均、诊疗效率不高等深层次难题提供解决方案
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！
我们采用了AI暴露度指标构建的方法，随机抽取了2018年1月到2024年5月的125万条招聘大数据进行分析，并最终计算出每个职业的AI大语言模型暴露度。
上个月写了篇Dia的推荐文章，有9千的阅读，一个多月过去后，黄叔经常有：“又是爱上Dia的一天”的感觉，并且，Dia已经成为了我的Mac Mini+MacBookAir两台电脑上的默认浏览器。
在产品不断被「AI 化」的浪潮中，连浏览器也无法幸免。
从「造模型」到「用好模型」，腾讯想做 AI 落地的那双手
大厂AI高层大换血，字节阿里招猛将
随着中国老龄化趋势日益加剧，如何以更智慧、更具温度的方式陪伴老年人，成为新时代健康科技的重要命题。2025年 6月11日上海老年博览会，上海绘话智能科技有限公司正式发布中国首款具备“主动对话”和“个性化交互”能力的AI陪伴机器人—小白。
借助AI的“智能体检”会是什么样子？
仅需一个强化学习（RL）框架，就能实现视觉任务大统一？
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？
国补后7649（原价8999），雷鸟正式发布了带有定制大模型和全彩显示的AI眼镜——X3 Pro。
人工智能的2C应用进展很快，2024年美国居民生成式AI的渗透率已达39.6%（来源：圣路易斯联储）。然而，当前的模型厂商还热衷于评分打榜、技术炫耀，企业应用尚处于早期阶段。迫切需要找到丰富的落地场景，加快推进AI和各行各业的深度融合。
本篇内容是「AGIX 投什么」系列的第 7 篇。AGIX 指数 从全球上千家科技上市公司中精选出的 40 家左右最能把握 AGI 价值整理的公司，AGIX 指数组合即是定位 AGI 进程的坐标，也能够为投资者捕捉 AI-alpha 提供价值工具。在「AGIX 投什么」板块，我们会对 AGIX Index 的组合公司进行深度分析，输出全面的 AI 投资参考。
天才的标签之外杨植麟还是个资深文青。90后一代或多或少都曾迷恋过村上春树，1992年出生的杨植麟也不例外。在村上春树的一本小说中，杨植麟对一个程序员深夜写代码这件事印象深刻，并充满憧憬，这为他未来进入AI领域埋下伏笔。
基于开源模型继续在下游任务上使用私有下游数据进行微调，得到在下游任务表现更好的专有模型，已经成为了一类标准范式。
表现最好的GPT-o4 mini，物理推理能力也远不及人类！
