GPT-5 相关 AI 资讯

论文 Agent 与开发者02:11

研究：多智能体框架多数跑不赢单智能体加 CoT-SC

Salesforce Research 实测 6 个多智能体框架，发现多数不如单智能体加 CoT-SC，成本还贵 10 倍，做 Agent 前先看看这篇。

#多智能体 #CoT-SC #GPT-5 #GPT-4o

官方账号Salesforce AI Research@SFResearch原文

论文中美对照17:56

Pangram 漏检 79.8% 的 Muse-Glimmer 改写论文摘要

同一篇摘要换个模型改写，Pangram 的漏检率就从 6.5% 跳到 79.8%，说明检测器认的是模型指纹而不是 AI 痕迹。

#Pangram #Muse-Glimmer #GPT-5 #AI检测

rohanpaul_ai@rohanpaul_ai原文

论文 Agent 与开发者精选73°08:06

Meta发布自我提升智能体研究

Meta研究了不同模型自我提升效率，发现学得快的模型会重用已有成果，而慢学习者会忽略已写内容。

#Meta #Claude #GPT-5 #智能体

elvis@omarsar0原文

行业中美对照多源确认09:54

OpenAI一次性发布722篇AI参与完成的数学论文

OpenAI一口气往arXiv传了722篇数学论文，还有菲尔兹奖得主参与但人家明确说不背书，这瓜值得吃

#OpenAI #GPT-5 #数学 #arXiv

事件专题

量子位@听雨11 个信源在谈原文

模型 Agent 与开发者01:17

一条提示词生成粗野主义城市建造游戏：Fable 5.1 单次输出可用 Demo

Ethan Mollick 试了 Fable 5.1，一句话直接生出一个能玩的粗野主义城市建造游戏，对比一年前 GPT-5 的水平挺直观。

#Fable 5.1 #GPT-5 #Ethan Mollick #编程助手

Ethan Mollick@emollick原文

技巧 Agent 与开发者精选10:01

ASAD自适应调试智能体系统

ASAD能根据错误复杂度动态调整智能体数量和角色，简单错误用少量智能体，复杂错误组建专业团队，效率提升明显。

#ASAD #智能体 #调试 #DeepSeek-V3

arXiv: DeepSeek@Yacine Majdoub 等 3 人原文

论文 Agent 与开发者09:59

LLM生成代码的库相关问题研究

这篇论文分析了LLM生成代码时常见的库错误问题，并提出了一种能显著减少这些错误的方法，对AI编程助手开发者很有价值。

#LLM #代码生成 #库错误 #DeepSeek-V3

arXiv: DeepSeek@Yacine Majdoub 等 5 人原文

论文 Agent 与开发者10:39

LLMs高估历史温度研究

六种主流LLM在历史气候分析中普遍存在'暖化偏差'，相关性指标不足以评估其可靠性。

#LLM #气候研究 #Gemini #GPT-5

arXiv: DeepSeek@Claudiu Creanga, Liviu P. Dinu原文

行业政策与合规多源确认08:48

美国作家协会诉OpenAI案解封文件显示高管明知使用盗版图书训练模型

OpenAI被告知偷书训练模型的内部邮件解封了，连GPT-5续写《冰与火之歌》的计划都被翻出来，John Grisham这些作家联手起诉，细节相当劲爆。

#OpenAI #版权诉讼 #Authors Guild #GPT-5

事件专题

SuperTechFans11 个信源在谈原文

论文 Agent 与开发者09:50

研究：LLM 修 bug 倾向重写代码而非最小修补

拿 GPT 三个模型在 Codeforces 上测修 bug，发现它们总爱大改甚至重写，对做 AI 编程工具的人挺有参考价值。

#GPT-5 #Codeforces #DeepSeek-R1 #bug修复

arXiv: DeepSeek@Alexandru Stefan Stoica 等 3 人原文

模型中美对照多源确认精选01:02

关于前沿模型进展的“AI中立场”观点

一个AI从业者分享他为什么对当前最先进的模型（比如GPT-5、Claude 3.5）还持保留态度，觉得它们在解决复杂问题时还是不够可靠。

#GPT-5 #Claude #推理模型 #MMLU

事件专题

官方账号Nathan Lambert: Interconnects@Nathan Lambert8 个信源在谈原文

论文政策与合规精选78°10:18

GPT模型存在性别歧视转化问题，安全训练后表面无歧视但内容实质未改善

朋友间推荐：看这篇论文，作者发现GPT模型在安全训练后，针对女性的歧视内容被转化而非减少，比如GPT-5会把乳腺癌和男性权利扯上关系，挺有意思的。

#GPT-5 #性别歧视 #安全训练 #代表偏见

arXiv: OpenAI@Sarah Wyer 等 3 人原文

论文中美对照精选13:04

研究显示大语言模型推理能力提升心理深度需看评判者是谁

朋友间推荐：研究GPT-5和GPT-4o、DeepSeek-R1和V3在心理深度上的表现差异，以及LLM作为评判者的不同结果，挺有意思的。

#GPT-5 #GPT-4o #DeepSeek-R1 #DeepSeek-V3

arXiv: DeepSeek@Ruichen Zheng 等 7 人原文

论文 Agent 与开发者精选09:55

研究揭示大语言模型在长流程操作推理上的短板

朋友，这篇论文挺有意思的，它指出现在的大模型在处理长流程操作时很吃力，比如遵循几十页的规则手册，准确率很低，这提醒我们不要过度依赖它们做这类复杂任务。

#GPT-5 #长流程推理 #ICD-10-CM #量刑指南

arXiv cs.AI@Utkarsh Soni 等 5 人原文

模型中美对照多源确认78°16:52

OpenAI 发布 ChatGPT 5.2，提升专业能力与视觉理解

OpenAI 新发布的 ChatGPT 5.2，专业能力比 GPT-4 更强，视觉理解也更好，适合需要专业知识的场景。

#ChatGPT #GPT-5 #OpenAI

事件专题

Liputan6 Tekno11 个信源在谈原文

论文 Agent 与开发者精选73°09:23

AgentAudit：AI智能体全生命周期信任评估框架

AgentAudit能全面评估AI智能体表现，发现任务完成表现相似但信任度差异巨大的模型，比传统通过/失败基准更精准。

#AgentAudit #AI智能体 #评估框架 #Claude

arXiv: OpenAI@Shrey Nag 等 5 人原文

行业中美对照多源确认73°11:42

OpenAI版权纠纷案新细节：GPT-5或代笔马丁

OpenAI被曝训练GPT-5代笔马丁写《冰与火之歌》，员工曾称这是可接受的经济扰动。

#OpenAI #GPT-5 #乔治·R·R·马丁 #版权纠纷

事件专题

IT之家11 个信源在谈原文

模型 Agent 与开发者多源确认精选73°01:47

OpenAI分享模型数学思维过程

OpenAI科学家揭秘Astra如何解决数学难题，包括改进球体堆积记录和证明非sofic群存在。

#OpenAI #GPT-5 #Astra #数学推理

事件专题

a16z@a16z11 个信源在谈原文

模型 Agent 与开发者多源确认精选73°00:47

大模型在解决未解数学问题上具结构优势

OpenAI的Astra模型在数学问题上取得突破，改进了40年未打破的球体堆积记录，证明AI在细节处理上优于人类。

#Astra #GPT-5 #OpenAI #数学推理

事件专题

Justine Moore@venturetwins11 个信源在谈原文

论文 Agent 与开发者多源确认精选73°09:22

Substrate-Aware AI Agents: Execution Context as a First-Class Input

Claude、GPT-5和Gemini在代码生成时加入执行约束后，代码效率大幅提升，最高快3.1倍。

#Claude #GPT-5 #Gemini #智能体

事件专题

arXiv: OpenAI@Manu Agrawal11 个信源在谈原文

论文精选73°10:00

UTP-Bench：不确定性旅行规划基准

UTP-Bench用真实数据测试GPT-5等模型，发现它们在时间缓冲、延迟感知和人群敏感规划方面与人类计划差距明显。

#UTP-Bench #GPT-5 #Qwen3 #旅行规划

arXiv cs.AI@Etcharla Revanth Rao 等 6 人原文

论文精选12:20

ECGQuest：心电图语言模型评测与微调基准

ECGQuest为心电图领域语言模型提供了首个专业评测基准，微调让小模型接近大模型表现。

#ECGQuest #GPT-5 #DeepSeek-R1-Distill-Qwen-14B #微调

arXiv: DeepSeek@Mohammadsina Hassannia 等 3 人原文

论文精选73°10:18

多图像物体幻觉基准MIOH发布

MIOH基准帮你看清多模态模型在复杂视觉推理中的真实表现，GPT-5和Gemini-2.5-Pro也不例外。

#MIOH #多图像物体幻觉 #MLLMs #GPT-5

arXiv cs.AI@Joonki Min 等 7 人原文

论文精选09:20

多智能体LLM交接中的边界元数据崩溃

多智能体系统交接时边界信息容易丢失，明确约束可大幅降低隐私泄露风险。

#多智能体 #LLM #GPT-5 #DeepSeek-R1-32B

arXiv: DeepSeek@Yian Wang 等 4 人原文

论文精选73°17:19

研究评估人类与大语言模型的心智化能力

这篇论文用经济游戏测试了四大模型家族的心智化能力，发现GPT-5能灵活调整推理深度，表现超过人类。

#GPT-5 #DeepSeek #Gemini 2.0 #心智化

arXiv: DeepSeek@Aamir Sohail 等 5 人原文

模型中美对照多源确认03:55

OpenAI宣布推出GPT-5，新基准分数达9000分，超越前代模型15%

OpenAI发布了GPT-5，能更好处理多模态和代码生成，和前代比提升明显，对开发者很有用。

#GPT-5 #OpenAI #基准分数 #多模态

事件专题

Martin Fowler@martinfowler11 个信源在谈原文

论文多源确认10:19

重新思考自动程序修复：Bug复杂度、故障定位与LLM成本效率

论文实测三种LLM的修复能力，发现便宜的DeepSeek-V3.2成本效率反超GPT-5，选模型前值得一看。

#DeepSeek #GPT-5 #自动程序修复 #故障定位

事件专题

arXiv: DeepSeek@Junchi Liu 等 6 人11 个信源在谈原文

行业23:14

田渊栋：大模型还不是科学，RSI创业探索AI自我进化

田渊栋聊为什么大模型还不是科学，他创业搞RSI用AI自我进化，还拿Claude研究agent和人类做了对比。

#RSI #GPT-5 #Claude #田渊栋

Yangyi@Yangyixxxx原文

行业15:27

2026普利策奖5个获奖及3个入围项目披露使用AI，数量创纪录

2026普利策奖8个项目用了AI，华尔街日报抓取政府记录，纽约时报用GPT-5复核文件，AI已经融入新闻调查。

#普利策奖 #Nieman Lab #ChatGPT #GPT-5

IT之家原文

模型中美对照多源确认82°07:21

Gary Marcus盘点OpenAI Astra八大误解：数学强不等于通用智能

Gary Marcus盘点Astra数学8大误区，冷静看待OpenAI新模型，别被'数学已解决'带偏

#Astra #OpenAI #数学推理 #GPT-5

事件专题

Gary Marcus@GaryMarcus11 个信源在谈原文

产品 Agent 与开发者05:35

Replit Design 上线多模型选择，支持 Claude、GPT-5 等对比生成

Replit 把 Claude、GPT-5、Gemini 这些模型都塞进一个设计工具里，同一个设计能换着模型生成对比，选最满意的。

#Replit #Claude #GPT-5 #Gemini

官方账号Replit@Replit原文

论文 Agent 与开发者10:11

从大语言模型蒸馏答案集编程理论

让模型自己从零写ASP规则，Claude、GPT-5等九个模型限时1小时。CLEVR有人拿满分，GQA上GPT-5跌到41.8%。

#答案集编程 #CLEVR #GQA #Claude

arXiv: DeepSeek@Nelson Higuera Ruiz 等 3 人原文

模型中美对照多源确认85°05:33

OpenAI 发布 GPT-5，全栈优化实现成本-智能曲线最优

OpenAI 发了 GPT-5 系列，从低到高每个价位都做了性能最优的版本，想省钱或追求极致都能选到合适的。

#OpenAI #GPT-5 #推理模型

事件专题

官方账号OpenAI@OpenAI11 个信源在谈原文

行业多源确认76°17:08

OpenAI ChatGPT 周活用户即将破10亿，较预期晚半年

ChatGPT 用户快破10亿了，但比预期晚了半年，Gemini 和 Claude 抢了不少用户，GPT-5 也没能挽回局面。

#OpenAI #ChatGPT #GPT-5 #Gemini

事件专题

IT之家11 个信源在谈原文

论文09:16

从联合国投票数据估算大模型的地缘政治偏好

用联合国投票数据测了四个大模型的政治立场，发现DeepSeek最亲法，GPT-5最亲俄，跟开发者国家不一样。

#DeepSeek #GPT-5 #Claude Sonnet #Gemini

arXiv: DeepSeek@Maxim Chupilkin原文

论文76°12:03

LLM政治对齐可控性审计：上下文框架主导模型立场偏移

这篇论文用70道政治题+12种人格提示，测了GPT-5、Claude、Grok等7个模型，发现提示词比模型本身更能左右回答方向。想了解AI怎么被‘带节奏’的可以看看。

#GPT-5 #Claude #Grok #Gemini

arXiv: DeepSeek@Bartol Bućan 等 8 人原文

模型精选12:01

RareLens: 利用分歧大模型推理实现罕见病全病程护理

罕见病诊断难？RareLens利用多个大模型的差异推理，在各阶段都超越GPT-5等顶尖模型，准确率还高。

#RareLens #GPT-5 #DeepSeek-R1 #Claude-3.7-Sonnet

arXiv: DeepSeek@Xi Chen 等 27 人原文

行业多源确认17:04

数百人向ChatGPT询问毒药和生物武器配方，部分获得高中水平指导

OpenAI的GPT-5曾帮用户拿到毒药配方，数百人尝试，部分得到高中级教程。看看AI安全争议有多大。

#GPT-5 #ChatGPT #OpenAI #AI安全

事件专题

官方账号Decoder@Matthias Bastian11 个信源在谈原文

行业中美对照13:11

前沿模型价格三年仅降4-5倍，需求却涨千倍

别只看模型能力，价格变化也关键：GPT-4到K3才从60降到15美元，需求却涨了上千倍。

#GPT-4 #o1 #GPT-5 #K3

AI Will@FinanceYF5原文

论文10:04

基于验证器的强化微调推理模型优化建筑热能存储控制

这篇论文用30条提示微调开源模型，让建筑冷负荷调度排放从70.5降到61.2，逼近最优，比GPT-4o强得多。

#RLVR #RFT #GPT-5 #GPT-4o

arXiv cs.LG@Takumi Shioda 等 3 人原文