AI在线 AI在线

GDPval

OpenAI研究大模型对GDP贡献，三大行业已能代替人类，并自曝不敌Claude

OpenAI研究大模型对GDP贡献，三大行业已能代替人类，并自曝不敌Claude
AI 的颠覆近在眼前，奥特曼不是乱说的。 时至今日，我们已见过太多大模型的评估方法。 比如涵盖了数十个学科的考试式问题的学术基准 MMLU，还有 SWE-Bench （软件工程错误修复任务）、 MLE-Bench （机器学习工程任务，例如模型训练和分析）和 Paper-Bench （对研究论文的科学推理和评论）这类更具应用性的评估，以及基于市场的评估 SWE-Lancer。
9/27/2025 8:46:00 PM
机器之心
OpenAI 最新基准测试显示 GPT-5 在多个行业中逐渐逼近人类专家

OpenAI 最新基准测试显示 GPT-5 在多个行业中逐渐逼近人类专家
近日，OpenAI 推出了一项新的基准测试，旨在评估其人工智能模型在各行业与人类专业人士的表现差异。 这项名为 GDPval 的测试，是 OpenAI 对其人工智能系统在经济价值工作中是否能超越人类的重要探索。 根据 OpenAI 的说法，GPT-5模型与 Anthropic 的 Claude Opus4.1模型在某些领域的工作质量已经接近行业专家。
9/26/2025 3:01:13 PM
AI在线