这项研究不仅为大语言模型提供了一个系统化的训练框架，还首次提供了评估其在机器学习工程任务表现的完整方法。研究团队对包括GPT-4o、Gemini-2.5-Pro等八种前沿大语言模型进行了广泛评估，结果显示，尽管当前模型在迭代改进方面取得了进展，但在自 ...

短短两个单词，却正在改变NBA的游戏规则。 这一被写入2023劳资协议、并在上赛季正式实施的“第二围裙”奢侈税硬性限制，正在从根本上瓦解NBA超级球队的生态，迫使那些一掷千金堆砌巨星的球队在未来数年里为今天的豪赌付出代价。 本赛季最具冲击力的新闻之一就是“超级球队大崩盘”： 太阳在大撒币后无果，黯然送走杜兰特，比尔被买断，布克孤军奋战； 凯尔特人因为围裙限制，无法灵活补强交易，波尔津吉斯和霍勒迪均 ...

他们提出的AI专家智能体「ML-Master」，凭借着29.3%的平均奖牌率，拿下第一！大幅领先微软的RD-Agent（22.4%）和OpenAI展示的AIDE（16.9%）。 MLE-bench是衡量AI在机器学习工程（MLE）中表现的权威基准。它精选Kaggle上的75个相关竞赛，构建多样任务，测试AI在模型训练、数据准备、实验运行等机器学习工程中的能力 ...

梦百合 公告，预计2025年半年度实现归属于上市公司股东的净利润为1亿元至1.2亿元，与上年同期相比，将增加4740.81万元到6740.81万元，同比增加90.14%到128.17%。

在此前的测试中，METR将评估范围聚焦于软件开发和研究类任务，并发现AI agent的能力呈现出一种“摩尔定律”式的增长趋势——平均每七个月，其可完成任务的time horizon就会翻一番。 举例来说，人类平均花30分钟完成一个任务，AI如果能在这类任务上有一半成功的概率，那就说它的time horizon是30分钟。如果它成功率还远高于一半，例如达到80%，那说明它其实能胜任更长、更复杂的任务 ...

28_有趣的科普知识 ...

根据公开信息粗略统计， 2 025 年上半年，国内外汽车半导体领域的并购事件出现了超 3 0 起，交易金额高达数千亿。其中，国内 A股市场披露的汽车芯片并购事件就达到数十起。 一方面，恩智浦、 A MD ...

你没看错，高通 2023 年的旗舰芯片——骁龙 8 Gen 3有两个新版本。“新”在这里可能是一个相对概念，因为两者仅仅是初代芯片的合并版本，减少了两个可用的CPU核心。新的骁龙8 Gen 3版本SM8650-Q-AB和SM8650-Q-AA均采用六核CPU，前者提供降频CPU集群，主频分别为3.3GHz和3.0GHz。SM8650-Q-AASM8650-Q-AB中央处理器1个Cortex-X4 ...