#推理能力

avatar
wong2
1周前
GPT-5模型的各种跑分都是按reasoning_effort=high来的，而ChatGPT里的这个GPT-5作为一个自动路由模型，很多时候都不会触发推理（于是连9.8和9.11哪个大都回答不好），可能这就是落差如此大的原因？ （GPT-5 Thinking就好很多）
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 327 条信息
#GPT-5模型 #reasoning_effort #ChatGPT #自动路由模型 #推理能力
avatar
wong2
1周前
GPT-5模型的各种跑分都是按reasoning_effort=high来的，而ChatGPT里的这个GPT-5很多时候都不会触发推理（于是连9.8和9.11哪个大都回答不好），可能这就是落差如此大的原因？ （GPT-5 Thinking就好很多）
AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 15 条信息
#GPT-5 #推理能力 #性能差异 #reasoning_effort #ChatGPT
avatar
用Gemini 2.5 Flash言出法随式阅读源代码。 Gemini 2.5 Pro 强在推理，Flash 强在速度：3-5 秒就把所有答案甩给你。 读代码？Flash 已经绰绰有余，问题刚脱口，解释就到位。 速度为王。
Google Gemini 2.5发布引发AI模型性价比热议· 97 条信息
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 327 条信息
#Gemini 2.5 Flash #源代码阅读 #速度快 #推理能力 #AI
avatar
看了一下机器之心的高考数学 AI 模型测试。 国内模型在过去一年的推理能力进步很真的挺大的，基本全部都能考上 130 多分。 豆包、DeepSeek的选择题和解答题得分都非常高，基本上超过了大多数人的水平。而且豆包在 APP 端和 API 端的分数都很高。 Gemini 确实强，在所有客观题的测试中排第一。 从 o3 的基准测试来看即使没有像国产模型的高考数学数据，也不应该这么低，API 都这么低的分真有你的 Open AI。 所有模型在几何题上都有问题。说明现在所谓的多模态还远不够，模型没有真正理解空间关系。
AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 15 条信息
#高考 #人工智能 #数学 #AI测试 #机器之心 #豆包 #DeepSeek #Gemini #推理能力 #模型测试
avatar
sitin
2个月前
R1更新新版本DeepSeek-R1-0528，看似是个小版本，实际“在LiveCodeBench上几乎与OpenAI o3-high相当！” 难倒o3、Gemini 2.5 pro、Claude 4等一众顶流大模型的数字新难题“9.9-9.11=？”也能做对了。 广大网友已经迅速整理出了更新亮点： 1.能够像Google模型一样进行深入推理 2.改进了写作任务——更自然、格式更好 3，独特的推理风格——快速且深思熟虑 4.长时间思考——每个任务最长能思考30-60分钟
深度学习模型升级引发AI能力大跃进，行业迎新变革· 29 条信息
#DeepSeek-R1-0528 #LiveCodeBench #OpenAI #o3-high #顶流大模型 #数字新难题 #Google模型 #推理能力 #写作任务
avatar
小互
2个月前
Deepseek 官方公布了 DeepSeek-R1-0528 细节 ↓🧵 推理能力全面增强： 通过加大后训练算力，模型的思维深度与推理能力显著提升。AIME 2025 测试中准确率从 70% 提升至 87.5%。 幻觉率显著降低： 在摘要、改写、阅读理解等场景下幻觉率下降约 45~50%。输出内容更可靠，事实一致性更高。
深度学习模型升级引发AI能力大跃进，行业迎新变革· 29 条信息
#DeepSeek #DeepSeek-R1-0528 #推理能力 #AIME 2025 #幻觉率
avatar
DeepSeek官宣R1升级：提升思维深度与推理能力，整体表现已接近国际顶尖模型
深度学习模型升级引发AI能力大跃进，行业迎新变革· 29 条信息
#DeepSeek #R1升级 #思维深度 #推理能力 #国际顶尖模型
avatar
勃勃OC
2个月前
微软和 xAI 刚刚宣布：Grok 3 现已在 Azure AI Foundry 上线。 •Grok 3 具备先进的推理、编程和视觉能力 •由 xAI 构建，并依托微软安全的云平台 •免费预览现已上线，为期两周 同时也可在 GitHub Models 上获取。
马斯克Grok再升级，4代直播发布引爆AI· 22 条信息
#微软 #XAI #Grok 3 #Azure AI Foundry #推理能力 #编程能力 #视觉能力 #云平台 #GitHub Models
avatar
4月5日 Meta发布了其新一代开源大语言模型Liama4，其拥有超过4000亿参数，Meta宣称该模型是同类中最好的多模态模型（可以处理图像输入输出），在参数量更少运行门槛更低的情况下，编程和推理能力上和DeepSeek V3相当。 并且该模型完全免费开源，用户可以从Liama官网下载并部署在本地。
#Meta #开源 #大语言模型 #Liama4 #多模态模型 #DeepSeek v3 #免费 #推理能力
avatar
勃勃OC
4个月前
OpenAI 已宣布计划在未来几个月内发布一款新的开源权重语言模型，具有增强的推理能力，这是自 GPT-2 以来的首次此类发布。该举措旨在通过与开发者、研究人员和社区互动，促进 AI 发展的开放性，并收集反馈。此举预计将推动 AI 领域的创新和社区参与。
#OpenAI #开源语言模型 #GPT-2 #推理能力 #AI发展 #社区参与
avatar
勃勃OC
5个月前
xAI 的新大型语言模型 Grok 3 发布 Grok 3具备推理能力，以及一个Grok-mini的小模型 在 LMArena 上的 ELO 评分达到 1400，排名第一 AIME 24 —— 52% [推理后 96%] GPQA —— 75% [推理后 85%] 编程（LiveCodeBench）—— 57% [推理后 80%] 此外，在最新的数学竞赛 AIME 2025 中取得了 93% 的成绩，击败了 o3-mini-high。
#XAI #大型语言模型 #Grok 3 #Grok-mini #LMArena #ELO评分 #推理能力 #AIME 24 #GPQA #编程 #LiveCodeBench #数学竞赛 #AIME 2025
avatar
马斯克称将发布“地球上最聪明AI”，最大特点是引入“思维链”推理能力
比原计划推迟了数月之后，美国亿万富豪埃隆·马斯克宣布，旗下的人工智能初创公司xAI将于美国当地时间2月17日晚上发布最新版Grok 3聊天机器人，他将Grok 3描述为“地球上最聪明的人工智能（AI）”，这也引起外界对Grok 3的高度关注。
马斯克Grok再升级，4代直播发布引爆AI· 22 条信息
#马斯克 #AI #思维链 #推理能力 #科技创新