不用考生实测就知道题难不难:这个AI试题评测框架把考试难度“量化”了 | TMLR
不用考生实测就知道题难不难:这个AI试题评测框架把考试难度“量化”了 | TMLR一道试题对人来说有多难,能否从大模型的解题过程中找到线索?
搜索
一道试题对人来说有多难,能否从大模型的解题过程中找到线索?
大家好,我是天南,具身算法研究员。 前几天还在和同事吐槽 PI 的 API beta,一直觉得他们把事情想的太简单了。
Anthropic早期员工Ivan Vendrov在《Some Memories of Early Anthropic》中回忆,入职八个月后因AI安全使命与商业化、模型竞赛压力带来的精神重压选择离开,并质疑公司将谨慎服从的助手塑造为“受过创伤的官僚”。
上周五,有三件事集中发生。
Anthropic 官网源码曝光 Claude Mythos 5.5,开发者还展示疑似 Claude Fable 5.5 生成的 3D 与交互作品;OpenAI 的 GPT-6.2 Astra 也现身 Codex 统计和 API 记录,但两家公司均未正式官宣。
统一多模态模型(Unified Multimodal Models, UMMs)通常为理解和生成分别使用不同的视觉表示:用 ViT 提取理解所需的语义特征,用 VAE 提供生成所需的潜变量。这样一来,同一张图像要以两种 token 进入上下文,视觉上下文随之变长;这种双流接口也不同于视觉-语言模型(VLM)常用的单一视觉流,难以直接沿用成熟的 VLM 预训练流程。
Anthropic确认,Claude Code运行Opus 5.5时通过服务器端推送提示词,允许构建原创游戏但禁止复刻特定现有游戏,用户无法关闭该规则。
马斯克将Anthropic的Claude Cowork核心设计者Jenny Wen招入SpaceXAI,她已加入Cursor担任设计负责人,并将把产品与交互设计经验用于Grok Bot。
在 Cheeky Pint 采访中,OpenAI CEO 山姆・奥特曼称PC闲置内存用于本地AI利用率低且浪费全球DRAM,应将紧缺内存集中到云端AI数据中心,并认为内存厂商扩产保守已使“看不见的手”失灵。
彭博社披露,Anthropic以“客户B”身份向SpaceX租用Colossus及Colossus II算力,第三季度贡献SpaceX营收的34.5%,并受SpaceX断电权约束,故未公开指责Grok蒸馏Claude。