OpenAI也用这个最新基准测试了一把目前最顶尖的LLM，结果就是——人类并没有一败涂地！“顶尖的“人工智能博士”尝试了 PaperBench 的一个子集，结果发现模型的性能尚未超过人类基线。” ...

1月31日至2月14日期间，针对黑龙江省内关键信息基础设施实施的网络攻击主要源自美国及其盟友国家，其中攻击次数最多的三个国家分别为荷兰（3798万次）、美国（1179万次）、泰国（72万次）。（注：详情见图2、图3） ...

罗剑岚在该领域已深耕10年，曾担任Google X、Google DeepMind研究科学家，是UC伯克利17万引大佬Sergey Levine团队的核心成员。

由于美国数学奥林匹克竞赛官方并不公布标准答案或评分方案，研究人员依靠数学界资源，尤其是「解题的艺术」（Art of Problem Solving，简称AoPS）论坛，为每一道题目精心制定了标准化的评分方案。

AI的运作始终笼罩着一层神秘的「黑箱」迷雾。这种不透明让AI有时会「胡说八道」，甚至故意撒谎。Anthropic刚刚推出了一项突破性研究，用类似大脑扫描的技术，深入Claude 3.5 Haiku的「脑子」，揭开了它运行的一些秘密。

接着我们又输入：「编码一只骑自行车的鹈鹕，SVG。」后来因为轮子不转，我们又通过对话提示 AI，鹈鹕的脚应该和轮子联动，脚应该放在踏板上。结果，脚确实放在踏板上了，轮子也转了，而且可以调速度。但是，这个鹈鹕的位置还是很奇怪。

这表明，尽管测试人员能够成功地区分人类与ELIZA，但他们在与GPT-4.5-PERSONA和LLAMA-PERSONA比较时，无法可靠地识别出人类。

一直以来，很多研究仅仅局限于试验阶段，相比之下，该系统能够持续工作，不需要预先编程就能够通过大脑活动检测到受试者何时开始和停止说话。研究者用时长 6 分钟的连续无声语音块对其进行了测试。结果显示，系统能够准确解码，几乎没有任何误报。

目前在榜单排行中，它的实力与Gemini 2.0 Pro、GPT-4.5 preview、Gemini 2.0 Flash Thinking并驾齐驱。 也就是说，当前闭源模型最强三款——Gemini 2.5 Pro、GROK ...

昨日，关于PayPal上海大裁员的消息不胫而走。根据网友爆料，3月31日PayPal上海的风控策略和风控模型部门被全员裁撤，赔偿方案为N+6大礼包。据爆料，裁员人数可能达到500至600人。该传闻引发了广泛关注。

上海交通大学生成式人工智能实验室 (GAIR Lab) 的研究团队推出多学科认知推理基准OlympicArena，即使是GPT-4o 也只达到了 34.01% 的整体准确率，而其他开源模型的整体准确率也难以达到20%。