AI

中杯o3成OpenAI“性价比之王”？ARC-AGI测试结果出炉：得分翻倍、成本仅1/20

得分比第二名翻倍，成本却仅为1/20？ o3中杯在超难推理任务ARC-AGI上的新成绩，属实又给众人带来了亿点点震撼。根据ARC Prize官方介绍，本轮测试得出的关键结论如下：o3 (Medium) 在ARC-AGI-1上得分为57%，成本为1.5美元/任务，优于目前所有已知COT推理模型；o4-mini（Medium）在ARC-AGI-1上得分为42%，成本为0.23美元/任务，准确率不足但成本优势明显；在难度升级的ARC-AGI-2上，两种型号模型的准确率均未超过3%。

4/23/2025 11:19:31 AM

量子位

RL 是推理神器？清华上交大最新研究指出：RL 让大模型更会“套公式”、却不会真推理

清华和上交的最新论文中，上演了一场“学术打假”的戏码。文中研究者们对当前“纯 RL 有利于提升模型推理能力”的主流观点提出了相反的意见。通过一系列实验，他们证明引入强化学习的模型在某些任务中的表现，竟然不如未使用强化学习的模型。

4/23/2025 11:11:00 AM

郑佳美||梁丙鉴

强化学习之于 AI Agent，是灵魂、还是包袱？

自主决策能力是 Agent 受到重视，并被称为 AI 时代“新基建”原因。从这个角度看，Workflow 似乎做不出真正的通用 Agent。而要谈真正具备决策能力和自我意识的 Agent，其实要从 AlphaGo 的问世说起。

4/23/2025 10:57:00 AM

郑佳美

Agent 要被吃进大模型了

今天凌晨，奥特曼突然发文宣布推出自家最新的 o 系列模型：满血版 o3 和 o4-mini，同时表示这两款模型都可以自由调用 ChatGPT 里的各种工具，包括但不限于图像生成、图像分析、文件解释、网络搜索、Python。总的来说，就是比前一代的性能更强而且价格更低。消息一出，马上就有网友晒出了两个模型的“小球测试”结果，并配文：“这确实是迄今为止看到的最好的测试结果了。

4/23/2025 10:50:00 AM

郑佳美

Llama 4 刷榜作弊引热议，20 万显卡集群就做出了个这？

昨天一早，Meta 了放出自家用了 20 万显卡集群训练出的 Llama 4 系列模型，其中包括 Llama 4 Scout、Llama 4 Maverick 和 Llama 4 Behemoth。消息一出，直接引爆了大模型圈。 Meta 还特意强调，这些模型都经过了大量未标注的文本、图像和视频数据的训练，视觉理解能力已经到了 Next level，有种在大模型领域一骑绝尘的既视感。

4/23/2025 10:44:00 AM

郑佳美

清华&英伟达揭露ICML最佳论文隐藏数值问题，简单掩码模型是等价更好选择 | ICLR25

掩码离散扩散模型，可能并没有看上去那么厉害。这是清华及英伟达研究人员最新提出的观点。他们发现，作为离散扩散模型中性能最强的类别，掩码扩散模型可能有点“被包装过度”了。

4/23/2025 9:44:54 AM

“史上最快闪存技术”登Nature！复旦新成果突破闪存速度理论极限，每秒执行操作2500000000次

史上最快的闪存器件，复旦团队造！其研发的皮秒闪存器件“破晓（PoX）”登上了Nature，擦写速度达到了亚纳秒级，比现有速度快1万倍。并且数据不易丢失，按照实验外推结果，保存年限可达十年以上。

4/23/2025 9:41:27 AM

AI也要007？Letta、伯克利提出「睡眠时间计算」，推理效率翻倍还不加钱

AI 也要 007 工作制了！近日，AI 初创公司 Letta 和 UC 伯克利的研究人员提出了一种扩展人工智能能力的新方式 —— 睡眠时间计算（Sleep-time Compute），让模型在空闲时间「思考」，旨在提高大型语言模型（LLM）的推理效率，降低推理成本，同时保持或提升准确性。睡眠时间计算的核心理念在于：智能体即使在「睡眠」（即用户未提出查询时的闲置状态）时段，也应持续运行，利用这些非交互期重组信息、提前完成推理。

4/23/2025 9:10:00 AM

机器之心

连Claude 3.5都败下阵来，大语言模型能否定位软件服务的故障根因？

论文的第一作者是香港中文大学（深圳）数据科学学院三年级博士生徐俊杰龙，指导老师为香港中文大学（深圳）数据科学学院的贺品嘉教授和微软主管研究员何世林博士。贺品嘉老师团队的研究重点是软件工程、LLM for DevOps、大模型安全。大型语言模型（LLM）近期在软件工程领域取得了显著进展，催生了 MetaGPT、SWE-agent、OpenDevin、Copilot 和 Cursor 等大量研究成果与实际应用，深刻影响着软件开发的方法论和实践。

4/23/2025 9:06:00 AM

机器之心

Character.AI 推出 AvatarFX 模型：AI 实现静转动，让图片角色开口说话

Character.AI 公司今天（4 月 23 日）在 X 平台发布推文，宣布推出 AvatarFX 模型，能够让静态图片中的人物“开口说话”。

4/23/2025 9:04:27 AM

故渊

3D高斯泼溅算法大漏洞：数据投毒让GPU显存暴涨70GB，甚至服务器宕机

随着3D Gaussian Splatting（3DGS）成为新一代高效三维建模技术，它的自适应特性却悄然埋下了安全隐患。在本篇 ICLR 2025 Spotlight 论文中，研究者们提出首个专门针对3DGS的攻击方法——Poison-Splat，通过对输入图像加入扰动，即可显著拖慢训练速度、暴涨显存占用，甚至导致系统宕机。这一攻击不仅隐蔽、可迁移，还在现实平台中具备可行性，揭示了当前主流3D重建系统中一个未被重视的安全盲区。

4/23/2025 8:50:00 AM

量子位

“Google一下” AI 化，头部网站点击率暴跌三分之一

2024年，Google大规模上线“AI 总结功能（AI Overviews）”——搜索结果页首条直接由AI生成的答案。 Google声称这能帮用户“更高效地获取信息”，甚至还说可能带动网站点击量提升。但真实数据打脸来得很快——最新的Ahrefs分析显示：AI 总结功能让头部网站点击率暴跌34.5%。

4/23/2025 7:01:00 AM

文摘菌

苹果 Siri 团队大换血：AI 浪潮下，新负责人能否力挽狂澜？

彭博社今天（4 月 23 日）发布博文，报道称苹果新任 Siri 工程负责人 Mike Rockwell 正在对语音助手 Siri 的开发管理团队进行大刀阔斧的改革。

4/23/2025 6:37:21 AM

故渊

哥大退学生打造“AI作弊器”获3800万元融资，声称可以在各种场景中作弊

在当今数字化时代，人工智能技术正以前所未有的速度渗透到各个领域，从智能家居到自动驾驶，从医疗诊断到金融分析，AI 的应用场景不断拓展。然而，技术的双刃剑特性也在某些领域引发了争议。最近，两位哥伦比亚大学的退学生凭借一款“AI 作弊器”获得了大笔融资，再次引发广泛关注。

4/22/2025 5:25:50 PM

谷歌 Gemini 推出视频分析功能，能准确识别视频拍摄场所

近日，科技媒体 Android Authority 报道称，谷歌最新的 Gemini 聊天机器人引入了一项引人注目的新功能 —— 视频分析。用户现在可以轻松上传视频并提问，Gemini 会基于视频内容进行智能分析，回答相关问题。这一创新功能无疑为视频内容的处理带来了新的可能性，吸引了广大用户的关注。

4/22/2025 5:00:42 PM

AI在线