作为大家的测评博主，我最近发现一个巨有意思的现象： 现在市面上大部分评估 Agent 的基准测试，倾向于考核“单项技能”，而非“综合任务”。比如，你让 AI 点份外卖，它能完成；但如果要求它策划一场涵盖预算、选址、菜单、宾客邀请与流程安排的晚宴，它很可能就原地就 G 了。
成年后结交朋友可能很困难，尤其是搬到新城市后。幸运的是，现代科技提供了解决方案，越来越多人开始使用Bumble For Friends、Flox 和 Timeleft 等应用快速建立新友谊。
GPT-5发布半月，却被连连吐槽。如今，一张基准与GPT-4对比基准测试图，证明了Scaling Law没有撞墙。七年间，从GPT-1到GPT-5十四个花式Prompt对决，实力差一目了然。
奥特曼称GPT-5「比人聪明」，但OpenAI首席运营官Lightcap澄清：这不是AGI。这只是能力过剩的冰山一角——我们仍有十年产品可建，模型越智能，融合越要精妙。GPT-5标志着从纯智商到反思能力的全面跃进。
中美AI差距究竟还有多大？ 比赛（可能）已经结束了。 现状来看，美国后继乏力，比赛可能已经结束了。
大模型的记忆墙，被MIT撬开了一道口子。 MIT等机构最新提出了一种新架构，让推理大模型的思考长度突破物理限制，理论上可以无限延伸。 这个新架构名叫Thread Inference Model，简称TIM。
目前的 HOI 检测方法普遍依赖视觉语言模型（VLM），但受限于图像编码器的表现，难以有效捕捉细粒度的区域级交互信息。本文介绍了一种全新的开集人类-物体交互（HOI）检测方法——交互感知提示与概念校准（INP-CC）。
据《彭博社》报道，Meta 将重组其超级智能实验室（Meta Superintelligence Labs，MSL）。
全球首款多模态 AI 硬件 Looki L1 发布，抢先实现了 OpenAI 想象中的交互未来。过去两年，很多人对 AI 的印象，基本都停留在一个对话框里： 有问题，敲几个字，它就给答案。好用是好用，但也让人觉得有点单调——AI 难道就只能困在对话框里吗？
没等到Deepseek R2，DeepSeek悄悄更新了V 3.1。官方群放出的消息就提了一点，上下文长度拓展至128K。128K也是GPT-4o这一代模型的处理Token的长度。因此一开始，鲸哥以为从V3升级到V 3.1，以为是不大的升级，鲸哥体验下来还有惊喜。
