然而，在2023年，一个团队发现了一种不完全依赖于重复晶格的堆积方式，这是在Klartag的结果出现之前的记录，一些数学家认为这证明了在寻找最佳球体堆积时需要更多的无序性。

除了我们开头提到的智能体的能力变化，报告还测试了当前主流的几家大模型的能力。例如，像o3这样的前沿模型在METR任务上的表现一直高于趋势水平，翻倍时间快于7个月，在9个基准测试的翻倍时间中位数约为4个月（范围为2.5至17个月）。

2023年成立的中国AI初创公司月之暗面，刚刚发布了其最新重量级产品Kimi-K2。 这是一款参数规模高达一万亿的开源大模型，以挑战GPT-4.1和Claude Sonnet 4为目标。

近期由港中文和华为诺亚实验室联合提出的 ReliableMath 基准，旨在探究大模型推理任务的可靠性。该工作文章和数据集均已开源，并持续在 leaderboard 上更新最新模型结果，目前已新增了 Qwen3、豆包、Gemini ...

布鲁金斯学会（Brookings ...

一个冒号，竟然让大模型集体翻车？ 明明应该被拦下来的虚假回答，结果LLM通通开绿灯。 该发现来自一篇名叫“一个token就能欺骗LLM”的论文。 不仅如此，除了冒号、空格这类符号，还有诸如此类的推理开头语：“Thought process：”、“解” ...

日前，月之暗面正式发布新一代MoE架构基础模型Kimi K2，并同步开源。据了解，Kimi K2总参数达1T、激活参数为32B，同时也是月之暗面发布、并开源的首个万亿参数模型。 据悉，目前月之暗面方面已开源 Kimi ...

我们从小就知道一句至理名言，“学好数理化，走遍天下都不怕”，并且深以为然… 每年高考报志愿，基本都是文科生最失落的时候，大部分专业基本都是只对理科开放，而毕业后，理科生的就业压力也远远低于文科，可见，在现在这个社会，无论学习研究，还是日常工作，大家基本形成了一个或许并不正确的共识，数理化的能力基本意味着个人能力。 同理，这种共识也用到了AI研发上… ...