大模型全军覆没，中科院自动化所推出多图数学推理新基准 CVPR 2025
近日，中国科学院自动化研究所推出多图数学推理全新基准MV-MATH，旨在全面评估MLLM（多模态大语言模型）的数学推理能力。结果发现，包括GPT-4o、QvQ等先进模型在该数据集上的表现均不及格。研究团队指出，现有的多模态数学基准大多局限于单一视觉场景，而MV-MATH则包含多个图像和文本交织而成的复杂多视觉场景，覆盖11个数学领域，并分为三个难度级别。
大语言模型
全新CoD颠覆推理范式，准确率接近但token消耗成倍降低
Zoom 研究团队提出 Chain of Draft (CoD) 技术框架，通过优先考虑效率和极简主义，减少推理模型的计算资源消耗，提高响应速度。
DeepSeek的最佳用法？西湖大学发布可以自主进化的手机智能体AppAgentX
基于大语言模型的GUI智能体在执行重复性任务时效率较低。西湖大学提出AppAgentX框架，通过链式存储和动态匹配机制提高其效率与灵活性。
目标超级智能，前DeepMind科学家离职创业，获1.3亿刀融资
Reflection AI 成立，旨在开发超级智能。该公司已获1.3亿美元融资，估值达5.55亿美元。两名前谷歌DeepMind成员担任CEO和联合创始人，团队包括多名顶尖AI研究人员和工程师。公司目标是开发自主编程工具，并将聚焦于自动执行狭窄的编程任务。
播客创作者的福音！港中文、微软、小红书联合推出PodAgent，多智能体协作超给力！
香港中文大学联合微软和小红书发布PodAgent技术成果，实现播客全流程自动化生成。其主要功能包括智能语音合成、质量评估与迭代等。该系统通过多智能体协作技术和大语言模型，大幅降低播客创作门槛，并在媒体、教育、企业等领域具有广泛应用前景。
