Claude挣钱强于o1！OpenAI开源百万美元编码基准，检验大模型钞能力
OpenAI 推出并开源 SWE-Lancer 基准测试，用于评估 AI 大模型在现实世界软件工程任务中的表现。包含 1400 多个自由软件工程任务，总价值 100 万美元。包括自家 GPT-4o、o1 和 Anthropic Claude 3.5 Sonnet 在内的前沿模型未能解决大多数任务，仅 Claude 3.5 Sonnet 拿到最高报酬 403,325 美元。
Claude 3.5 Sonnet
OpenAI推出真实世界百万报酬AI编程能力测试基准：实测Claude 3.5 最强！
OpenAI联合一众大佬发布SWE-Lancer，一个评估前沿LLM在真实软件工程任务中的基准测试。它从Upwork精选了超过1400个真实的软件工程任务，总价值高达100万美元。SWE-Lancer包含个人贡献者和技术领导者的两种类型的任务，采用端到端测试模拟真实环境。研究结果显示模型表现仍有提升空间，OpenAI开源了数据集以促进更多研究。
GPT-4o、Claude 3.5全部被攻破，开源大模型超强攻击框架
文章介绍了大模型安全防护的重要性及研究进展，特别强调了斯坦福大学联合开发的Best-of-N Jailbreaking (BoN)框架用于检测和应对大模型的安全漏洞。
通过输入公司网址，快速获取全面的公司信息，AI 投资系统，jarvis编程助手
本文介绍了5个开源项目，包括Company Researcher、AI投资系统、J.A.R.V.I.S.、Cool Cline和Kokoro-FastAPI，涵盖了公司研究、智能投资助手、编程辅助工具、复杂软件开发支持及文本转语音服务等方面。
Claude 加持下的AI 钓鱼有多猛？
最新研究显示AI代理在钓鱼邮件攻击中的点击率达到50%以上。五步精准钓鱼术：信息收集、信息爬取、个性化邮件制作、自动化发送及追踪分析。AI生成的钓鱼邮件效率高且成本低，成功率甚至超过人类专家。AI画像技巧出色，真阳性检出率高达97.25%，但需注意提示词注入和越狱问题。未来研究将扩大规模并探索用户行为模式以增强防御策略。
微软医疗论文泄密：GPT-4o 200B 「大未必强」，Claude 175B 「小未必弱」
微软在最新发布的医疗 AI 评测论文中披露了多个头部 AI 模型的关键参数数据，引发关注。包括 MEDEC 在内的研究团队开发的 MEDEC 评测基准用于检验 AI 模型识别和纠正医疗文档错误的能力，列出了一系列令人瞠目的数据，引发了对 AI 领域技术路线、大模型架构与实际应用效果等议题的讨论。
