多模态大模型事实正确性评估：o1最强，模型普遍过于自信，最擅长现代建筑/工程技术/科学
多模态大模型事实正确性评估：o1最强，模型普遍过于自信，最擅长现代建筑/工程技术/科学OpenAI o1视觉能力还是最强，模型们普遍“过于自信”！
来自主题: AI技术研报
8623 点击 2025-02-23 16:23
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
OpenAI o1视觉能力还是最强，模型们普遍“过于自信”！
OpenAI o1和DeepSeek-R1靠链式思维（Chain-of-Thought, CoT）展示了超强的推理能力，但这一能力能多大程度地帮助视觉推理，又应该如何细粒度地评估视觉推理呢？
AI组队自主开发时代来临！OpenAI Operator和Replit Agent组队编程，仅在5个提示90分钟内完成了应用程序的开发。
AlphaFold 3 获得诺贝尔奖是 AI 智能重要的里程碑，让我们有信心类似 AlphaFold 的模型能为接下来十年的科学和生物结构发现起到关键作用。
就在刚刚，DeepSeek 在 X 平台发文宣布，将在下周（OpenSourceWeek 开源周）连续五天开源 5 个项目的代码库。
有些观念一旦被植入脑海就注定难以回头，比如唐老鸭其实是个有露阴癖的怪老头而米老鼠是他爱光膀子的老baby。又比如 OpenAI 的 Logo 其实很像一个遍布褶皱致的肛门。
又是一个文理兼修的优等生，能薅一点是一点。堆了 20 万张 GPU、号称「地表最强」大模型 Grok-3 已经可用啦。「 Grok 3 + Thinking 感觉与 OpenAI 最强商用模型（o1-pro，200 美元/月）的顶尖水平相差无几，
Sam Altman 又当了一回谜语人。2 月 16 日，他宣布更新了我们的老朋友 GPT-4o，却没说细节。
OpenAI前CTO Murati离职后，终于官宣新动向！她创立的「思考机器实验室」汇聚了OpenAI、谷歌DeepMind等顶尖AI人才，包括OpenAI联合创始人Schulman、前安全副总Lilian Weng等。
这个AI领域千亿级市场，将辐射千家万户。 DeepSeek-R1横空出世，打响了大模型比拼性价比的第一枪。 Meta、OpenAI等国外头部大模型厂商纷纷复刻或变相降价。比DeepSeek-R1晚两周发布的OpenAI o3-mini模型，定价比前代模型o1-mini降低了超6成，比前代完整版的o1模型便宜超9成。