AI 发展的上半场主要聚焦于模型和方法的创新，而非评估标准的建立。这是因为开发新的算法和模型架构（如反向传播、AlexNet、Transformer 等）需要深刻的洞察力和工程能力，远比将已有人类任务转化为基准测试更具挑战性和吸引力。

谷歌强化学习副总裁 David Silver与图灵奖获得者，强化学习之父Richard Sutton最新论文《Welcome to the Era of Experience》 犹如《TheBitterLesson（苦涩的教训）》的续章给我们当头一棒 ...

成功的数字化转型需要勇气，并且要从将其视为一系列项目转变为重新构想企业如何创造价值、交付价值和捕获价值。在未来，企业可以在数字化转型项目开始时锁定明确的成功指标和目标。此外，企业必须抵制在转型过程中改变目标，除非影响因素的变化要求这样做。

其中包括由1000多名学者提出的“人类最后的考试”，这套测试集发布时没有任何一个模型得分超过10%，现在Gemini 2.5 Flash的成绩是12.1%。

在多项基准测试中，Gemini 2.5 Flash再次刷新SOTA。在大模型排行榜中，Flash预览版以1392 ELO高分位居第二，与GPT-4.5-preview、Grok 3并驾齐驱。 在数学（AIME ...

研究者让当前最顶尖的AI模型（GPT-4.1、Gemini 2.5 Pro、Llama-4 Maverick等）在《逆转裁判》中接受考验，看它们能否喊出「反对！」，扭转案情，揭开谎言背后的真相。

不过，或许从模型层面上看，谷歌的Gemini虽然可圈可点，但从日活数据上看，还远远没有达到赢得竞赛的程度。据第三方分析称， ChatGPT每周用户超过 8 亿，而 Gemini每月用户估计为 2.5 亿至 2.75 亿。

该漏洞编号为 CVE-2025-24076，通过精密的 DLL 劫持技术利用 Windows 11“移动设备”功能的缺陷。安全研究人员于 2024 年 9 月发现此漏洞，并于 2025 年 4 月 15 日公开披露，其攻击目标是 Windows 11 ...

这份报告的实验发现，Claude 3.7 Sonnet仅在25%的情况下在其思维链中提及收到的提示信息，DeepSeek R1则为39%，意味着大多数情况下模型不会忠实反映其真实决策过程。

未来的相关销售也将需要许可证，这是特朗普政府首次对半导体海外销售实施重大限制，强化了拜登政府此前制定的规则。由于该政策的实施，英伟达股票遭遇重创下跌了5%左右，并且季度营收会因无法按原计划销售损失55亿美元。

它很快，非常流畅：速度是智能的一部分。在测试中，o3在这一维度上始终比Anthropic和Google的前沿推理模型（分别是Claude 3.7 Sonnet和Gemini 2.5 Pro）要快。使用起来非常顺畅。

近日，伯克利联合英伟达提出一项突破性成果：PS3 视觉编码器，首次实现了在 4K超高分辨率下的高效视觉预训练并且没有额外开销，并在此基础上提出多模态大模型 VILA-HD。相比于目前最先进的多模态大模型（如 Qwen2-VL），VILA-HD ...