被AI追杀，还要解谜逃生！UCSD等发布LLM测试神器，边玩游戏边评估
新智元报道
编辑：犀牛 好困
GameArena团队开发的《AI Space Escape》游戏通过紧张刺激的密室逃脱方式评估AI模型的推理能力，生成宝贵的游戏数据，并将所有数据公开供进一步研究。该游戏超越了传统的数学和编程基准测试方法。
推理能力
0 产品 0 营收，OpenAI 前首席科学家创办的新公司，就要冲击 200 亿美元估值
Ilya Sutskever 创立的公司 Safe Superintelligence Inc. 将冲刺 200 亿美元估值，该公司以实现安全的超级智能为唯一目标，并在去年获得10亿美元融资。
o3-mini之后，OpenAI又紧急上线Deep Research，能连续思考半小时输出万字回复！压力给到了DeepSeek？
整理 | 华卫
今早，OpenAI 突然举行了一场“惊喜”直播。直播中，OpenAI 宣布，“我们正
OpenAI 急推 o3-mini 救场，实测与DeepSeek谁是最强推理大模型
OpenAI CEO发布o3-mini模型，主打低成本推理功能。与DeepSeek R1相比，o3-mini价格较高但性能不输。通过8道推理题测试对比，显示o3-mini在部分推理任务上表现不如DeepSeek R1。
o3-mini 完全指南：一个被 DeepSeek 破大防的模型
文章介绍了ChatGPT中更新的o3-mini模型的特点和评价。它在性价比、性能提升和改进的功能方面表现出色，尤其是在STEM领域的表现尤为突出。总体来说，o3-mini比之前的版本o1-mini有升级，并且在价格上更具有竞争力。
《黑神话：悟空》制作人冯骥推荐DeepSeek！
《黑神话：悟空》制作人冯骥分享DeepSeek AI大模型的惊人表现，并建议用户访问https://chat.deepseek.com使用全新R1版本，强调其强大的功能和潜力。
R1风起，清华、港科大发布大模型强化推理技术最新全面综述
本文回顾了大型语言模型在推理能力方面的最新进展，从SFT到RLHF，再到ORM和PRM等技术的演变，讨论了测试时扩展的重要性，并介绍了各种增强LLMs推理能力的技术方法。