
快手可灵也吃上了香蕉,一通离谱prompt测试,好好玩要爆了(在新窗口打开)
ChatGPT发布三周年,OpenAI没发布,各大AI玩家倒纷纷整出大活。
共 1186 篇

ChatGPT发布三周年,OpenAI没发布,各大AI玩家倒纷纷整出大活。

论文提出的方法名为 RL4HS,它使用了片段级奖励(span-level rewards)和类别感知的 GRPO(Class-Aware Group Relative Policy Optimization),从而避免模型偷懒、只输出无错误预测。

Vals AI报告,GPT-6.2 Astra在Autoform-Hard评测中用1794行Lean代码完成Smoktunowicz既有定理的形式化证明。论证部分区别于2006年证明,但新路线与既有文献的关系仍待进一步核对。

OpenAI推出面向复杂专业工作的Astra和日常任务的Sol,公布标准API价格与测试成绩。来源也整理早期测试者体验及系统卡中的障碍遗漏等结果,个别案例不能代表所有任务。

Sierra与Meta介绍个人代理协议,OpenAI推出需用户确认的结账功能;两套方案是否已互通,公开信息仍未明确。

上海交大团队将其MetaPred理论方案做成可运行模型,在约1320万参数实验中与同规模GPT基线比较,尚非完整AGI系统验证。

研究在40个未公开复杂病例上比较诊疗策略内容,250名医生使用系统辅助后评分提高;结果尚不能代表真实治疗效果。

LongChang 构建 15 个 MuJoCo 场景,其中 14 个各改写一条物理规律。在 12 个被测模型中,仅 GPT-6 Astra 得出了有实验支持的规律发现,发现率为 16.7%。

AISLE 团队使用 4,079 项测试评估智能体操作真实实验设备的能力。GPT-5.5 在该框架中得分 41.19,所测模型未能完全通过安全检查。

网友用空房间图片测试个性化生成。研究人员也曾用捐赠对话样本分析保存的记忆条目,样本中的比例和当前产品行为需分别理解。