技术博客

清华大学的顶尖学生兼OpenAI研究员姚顺雨提出，人工智能的未来发展将更注重性能评估而非单纯训练。其研究的思维树（ToT）技术，旨在让AI具备类似人类的思考与决策能力，为实现更智能的交互奠定基础。这一技术突破或将推动AI从语言理解迈向深度认知。

最近，加州大学圣迭戈分校的Hao AI Lab利用经典游戏《超级马里奥》评估AI智能体性能。测试中，Claude 3.7仅用90秒完成挑战，而GPT-4则在游戏开始不久便失败。这一结果引发Karpathy对当前AI评估基准的质疑，认为游戏可能成为评估大型语言模型的新战场，并提出评估AI性能时应关注哪些指标的问题。

在最近的AI性能评估中，OpenAI开源了一个价值百万美元的编码基准测试，用于评估大型AI模型的表现。测试结果显示，Claude在挣钱能力方面超越了o1。尽管这些模型在问题定位上表现出色，但在深入分析问题根源时存在不足，导致提供的解决方案可能不完整或有缺陷。