GPT-6刷到99.9%，ARC AGI考卷被迫重做！下一关考「发明」
GPT-6刷到99.9%，ARC AGI考卷被迫重做！下一关考「发明」AI把考卷刷到接近满分，下一张，还能考什么？
来自主题: AI资讯
6935 点击 2026-09-16 10:36
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
AI把考卷刷到接近满分，下一张，还能考什么？
零样本学习的目标，是让模型识别训练时从未出现过的类别。
随着 Genie 3 的发布，可交互世界模型真正走到台前：用户不再只是观看生成视频，而是可以输入动作实时改变一个持续演化的世界。世界模型开始从「生成一段视频」走向「模拟一个可交互世界」，但能走进去，不等于经得起探索。模型能否持续响应控制、维持视觉与空间一致、遵守物理规律并记住来路，仍缺少系统评测。
地铁急刹，金属尖叫，广播响起「请乘客注意扶稳」，人群骚动、孩子哭声、对讲机杂音一层层涌上来···
北航、南方科技大学、复旦大学、北京理工大学、爱丁堡大学等 8 家机构的 19 位研究者联合完成 Theory of Agent 综述，讨论模型内部与外部 harness 应如何分配能力，并据此梳理 LLM Agent 的学习、对齐、演化与评测。
“智能并不局限于大脑内部。当我们使用纸笔或地图来梳理复杂问题时，这些外部工具就成为了我们‘延展的心智’。”
把 On-Policy Distillation（在线策略蒸馏，OPD）的训练集从 17000 道题删到 1 道，会发生什么？
刚刚，生数上线了最新的 实时视频模型 S2，输出提高到 720p，保持 25—42 FPS，包含下面两款：
大模型过去几年的能力跃迁，几乎都围绕一个词：Scaling。
Token词元替代了Byte字节，但不意味着大模型都得是Token。