OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 基准上取得了最新领先成绩。在标准测试条件下，该模型在半私有评估集上获得 62.7% 的得分，已达到当前最优水平；而在使用 provider adapter 适配器的测试框架中，成绩进一步提升...

当人工智能能够自动化AI研发本身，世界会发生怎样的剧变？近期，红杉研究（Redwood Research）首席科学家瑞安·格林布拉特在一次深度访谈中探讨了递归式自我改进（RSI）这一当前AI领域最具争议的话题。他认为，一旦AI...

在人工智能深度介入前沿科学研究的浪潮中，一场关于优先权的微妙竞赛悄然上演。据《科学美国人》报道，来自麻省理工学院的一名博士生与加州大学系统的两位密码学家，几乎在同一时间将顶级大模型GPT-5.6 Sol Ultra应...

OpenAI正式推出GPT-5.6系列模型，包含Sol、Terra和Luna三个版本，其中Sol在编码、网络安全和科学研究等任务中展现出领先的智能与效率。该系列模型通过更少的令牌消耗实现更强的性能，单位算力成本显著下降。Sol在多...

强化学习（RL）在可验证领域（如棋类游戏、编程代码）的成功已毋庸置疑，但现实世界中大量复杂任务（如机器人操控、制药分子设计、开放域对话）难以通过简单规则或自动脚本进行验证，这构成了RL落地的关键瓶颈。本文...

OpenAI近期举办的一场名为“参数高尔夫”的竞赛吸引了超过1000名参与者和2000份提交作品。该竞赛的核心挑战是在严格约束条件下，尽可能减少数据集的损失。参赛者运用了多种先进技术，包括精细调参、量化以及新颖的建模...

谷歌DeepMind团队近日发布了其最新成果AlphaEvolve，这是一个由Gemini大模型驱动的自主编码代理。与普通的代码助手不同，AlphaEvolve的核心能力在于设计并生成高级算法，而不仅仅是补全或改写现有代码。它已经能够在...

在人工智能领域，众多团队宣称其研发的智能体具备卓越的科学发现能力，但支撑这些声明的证据往往难以令人信服。为客观评估AI在科学探索中的真实水平，艾伦人工智能研究所（AI2）开发并开源了两项关键基准测试：Scien...