多元推理

多元推理刷新「人类的最后考试」记录，o3-mini(high)准确率最高飙升到37％

近段时间，DeepSeek R1 推理模型引爆了国内外社交媒体，让人们见识到了大语言模型类人的深度思考能力。虽然 DeepSeek R1、OpenAI o1 和 o3 等推理模型在数学和编程领域取得了重大进展，但在面对一些测试基准时仍然力不从心，比如国际数学奥林匹克竞赛（IMO）组合问题、抽象和推理语料库（ARC）谜题和人类的最后考试（HLE）问题。以 HLE 为例，主流的推理模型集体翻车，结果显示 DeepSeekR1、o1 的准确率都低于 10%。

3/3/2025 9:04:00 PM

机器之心

资讯热榜

Cursor宣布免费向学生开放一年Pro会员，助力AI编程教育大BUG！非学生用户竟能白嫖谷歌顶级AI全家桶白嫖攻略速看保姆级教程：零代码基础也能微调Qwen3，并本地部署 Midjourney V7推出全新功能 “Omni-Reference”，让图像生成更灵活 GPT-4o生成的烂自拍，反而比我们更真实英伟达全新开源自动语音识别模型 Parakeet-TDT-0.6B-V2，语音转录能力再提升尤雨溪：让 AI 更好的理解 Vue、Vite 应对网络威胁利器！Cisco与Meta推出Foundation-sec-8B LLM

标签云

人工智能 OpenAI AI AIGC ChatGPT DeepSeek AI绘画模型数据机器人谷歌大模型 Midjourney 智能用户开源学习微软 GPT Meta 图像 AI创作技术论文 Gemini 马斯克 Stable Diffusion 算法蛋白质芯片代码生成式英伟达腾讯神经网络研究 Anthropic 计算 3D Sora 机器学习 AI for Science AI设计开发者 GPU AI视频场景华为苹果人形机器人预测百度伟达 Transformer Claude 深度学习 xAI 搜索大语言模型模态字节跳动驾驶具身智能神器推荐文本 LLaMA Copilot 训练视觉算力安全应用视频生成干货合集智能体大型语言模型亚马逊科技 AGI DeepMind