模型

最强o1也刚刚及格！中科大等团队测试视频CoT推理能力：多数模型不及格

视频理解的CoT推理能力，怎么评？中科大等团队提出了评估基准——VCR-Bench，里面包含七个独立评估维度的任务框架，每个维度针对性地考察模型的不同能力（如时空推理、因果推断等）。为确保评估的全面性和可靠性，每个维度都设计了100余条高质量样本。

4/18/2025 9:13:00 AM

量子位

异议！顶流AI决战「逆转裁判」：o1险胜Gemini 2.5登顶、Llama 4零分垫底

当谈到AI为何能从「预测下一个词」中诞生智慧时，Ilya Sutskever曾用一个生动的比喻来解释。想象你在读一本悬疑小说，如果仅凭前面的线索就能在最后一页推断出罪犯是谁，那么你对这个故事的理解无疑是深刻的。同样，AI通过学习海量文本，掌握了从字面到语义的「线索」，展现出惊人的智能。

4/18/2025 9:07:00 AM

新智元

UC伯克利：让推理模型少思考，准确率反而更高了！

让推理模型不要思考，得到的结果反而更准确？ UC伯克利新研究发现，强制要求模型跳过思考过程，推理能力却比正常思考还好。例如在定理证明任务当中，“不思考”模式仅使用30%的Token，就能实现和完整思考一样的准确率。

4/18/2025 8:42:52 AM

量子位

o3全网震撼实测：AGI真来了？最强氛围编程秒杀人类，却被曝捏造事实

昨夜o3的发布，让人不尽感慨：打了这么久嘴炮的OpenAI，这回终于实实在在拿出了点真东西。史上首次，模型能够用图像思考，视觉推理达到巅峰。许多网友实测后，大感惊艳。

4/17/2025 2:09:52 PM

新智元

本项目由复旦大学知识工场实验室肖仰华教授、梁家卿青年副研究员领导，博士生韩槿一，硕士生李廷云、熊程元、姜子上、王昕奕等同学共同参与完成。 GPT - 4o、Deepseek - R1 等高级模型已展现出令人惊叹的「深度思考」能力：理解上下文关联、拆解多步骤问题、甚至通过思维链（Chain - of - Thought）进行自我验证、自我反思等推理过程。但是，多数主流模型仍在基础问题上犯错，复杂四则运算计算失误，简单「两个小数比大小」出错、甚至连数清楚 strawberry 里有几个「r」都能翻车……即使提示像 R1 这样具备深度思考能力的大模型也要消耗大量的 token 才能勉强答对。

4/17/2025 10:43:00 AM

机器之心

齐心集团于斌平：在大模型时代，软件应用开发开发范式从“代码驱动”转向“模型能力优先”

作者 | 于斌平编辑 | 云昭在大模型时代，软件应用开发范式正在发生深刻变革。传统的开发模式以代码为核心，注重如何用代码实现功能及用户的交互体验；而大模型时代的开发则以模型能力为核心，强调智能交互设计和业务场景创新。本文将从新范式的关键特征、软件工程模式和开发理念的变革、建议与实践三个方面展开讨论，旨在为企业在大模型落地过程中提供全面的技术和方法指引。

4/17/2025 10:17:29 AM

云昭

OpenAI开源超火Agent，五小时破5000颗星，霸榜Github

在今天凌晨1点的产品发布中，OpenAI还开源了一个终端轻量级代码Agent智能体——Codex CLI。从凌晨到现在只用了5小时左右，Codex CLI直接破5000星霸榜Github，估计今天能破1万颗星，将成为一款明星级Agent。 OpenAI联合创始人兼总裁Greg Brockman表示，Codex CLI只是第一款代码工具，未来还将继续开源Agent产品。

4/17/2025 9:58:32 AM

AIGC开放社区

谷歌提出Transformer架构中，表示崩塌、过度压缩的五个解决方法

Transformer架构的出现极大推动了生成式AI的发展，在此基础之上开发出了ChatGPT、Copilot、讯飞星火、文心一言、Midjourney等一大批知名产品。但Transformer架构并非完美还存在不少问题，例如，在执行需要计数或复制输入序列元素的任务经常会出错。而这些操作是推理的基本组件，对于解决日常任务至关重要。

4/17/2025 9:53:49 AM

AIGC开放社区

刚刚，OpenAI发布最强推理模型o3！图像深度思考首秀，开源编程智能体已揽5k+star

深夜，OpenAI 发布了 o 系列模型的最新成果 o3 和 o4-mini。该系列模型经过训练，会在响应之前进行更长时间的思考。 OpenAI 表示，这是他们迄今为止发布的最智能模型，也标志着 ChatGPT 能力的巨大飞跃。

4/17/2025 9:02:00 AM

机器之心

OpenAI深夜发布满血o3和o4mini: 两个没想到

OpenAI刚刚宣布推出其最新的o系列模型：o3和o4-mini，与以往模型不同，o3和o4-mini被设计为真正的AI系统，模型甚至能连续调用超过600次工具来完成一项艰巨任务，它们在理解和导航大型代码库（比如OpenAI自己的代码库）方面，超越了人类工程师，极大地提高了开发效率这次发布会我有两个没想到：一是没想到o系列模型变成了一个融合的模型，另外一个是引入图像推理“Thinking with Images”，下面第一时间给大家划个重点全面工具访问与推理能力o3和o4-mini最显著的特点是首次实现了对ChatGPT内所有工具的智能使用和组合能力。它们可以搜索网络、分析上传的文件、处理视觉输入、生成图像，并且能够智能地判断何时以及如何使用这些工具来解决复杂问题。这些模型经过专门训练，能够在大约一分钟内提供详细且经过深思熟虑的答案，以适当的输出格式解决多方面的问题o3,o4mini性能OpenAI o3是目前最强大的推理模型，在编程、数学、科学、视觉感知等领域推动了技术边界。

4/17/2025 8:59:59 AM

AI寒武纪

围绕多智能体黑箱非凸优化共识难题，华南理工大学团队发表系列研究

多智能体系统分布式共识优化的一系列研究来了！在智能城市、智能电网、无人系统等前沿应用不断扩展的今天，多智能体系统（Multi-Agent Systems, MAS）作为新一代智能协同的技术基础，正迎来前所未有的发展机遇。在这些系统中，多个具备计算与通信能力的智能体需要在没有中心协调、通信受限的条件下实现任务协作、资源共享与一致性决策。

4/17/2025 8:55:24 AM

量子位

视频推理R1时刻，7B模型反超GPT-4o！港中文清华推出首个Video-R1

语言模型的推理刚火完，视频AI也开始「卷」起来了。这次出手的是港中文清华组合，直接把强化学习里的R1玩法搬到了视频领域，整出了全球首个视频版R1模型：Video-R1。别看它只有7B参数，但它在李飞飞提出的VSI-Bench基准中，竟然超越了GPT-4o！

4/16/2025 3:28:31 PM

新智元

字节Seedream 3.0追平GPT-4o入文生图第一梯队！即梦、豆包全量上线，技术报告公开

文生图领域权威的第三方榜单Artificial Analysis竞技场发布消息称，字节跳动Seed团队图像生成模型Seedream 3.0综合性能已追平文生图SOTA模型GPT-4o，稳定超越Recraft V3、Ideogram、Imagen 3、Midjourney V6.1等模型，进入全球第一梯队。 Seedream 3.0是字节近日发布的新一代文生图主力模型，目前已在即梦、豆包等平台全量开放。据Seedream 3.0技术报告，Seedream3.0是一个原生高分辨率、支持中英双语的图像生成基础模型，无需后处理即可实现 2K 分辨率图像直出，适配多比例场景，同时针对小字体高保真生成、多行文本排版等业界难题，模型也取得了突破性的效果表现。

4/16/2025 2:54:00 PM

新闻助手