人类打辩论不如GPT-4？！Nature子刊：900人实战演练，AI胜率64.4%，还更会说服人
研究发现，GPT-4提前知晓对手个人信息的情况下，在辩论中胜率高达64.4%，且说服效果提升81.2%。研究还表明低、中强度话题更易被GPT-4影响，而人类则重情感互动。
GPT-4
谷歌智能体展示强大编程能力 Agent最适配场景呼之欲出？
谷歌发布AlphaEvolve AI工具，用于设计高级算法并解决数学难题，提升效率23%；OpenAI推出GPT-4.1提升编程能力；阿里云和腾讯云也在推动AI程序员应用。
AI 看片写 App！Gemini 2.5 首创音视频+代码原生融合+视频理解 SOTA，构建案例来了~
Google更新了两款Gemini新模型Gemini 2.5 Pro和Gemini 2.5 Flash，在视频理解和生成方面表现突出，能生成互动应用、p5.js动画及精准描述视频片段。
OpenAI开刀治理GPT-4o “舔狗”病
就在前不久，GPT-4o突然出现过度谄媚的问题。用户反馈其回复内容充满无脑赞美，甚至只是简单打招呼也能得到夸赞。OpenAI随即回滚了版本并承认这一问题影响用户体验和信任。
新SoTA方法RM-R1：让reward model对评分说出原因！超越GPT4o
MLNLP社区致力于促进国内外机器学习与自然语言处理的交流合作。近期发表论文提出推理奖励模型ReasRM，通过两阶段训练让小模型学会写评语，并在综合、数学题等测试集中优于GPT-4。该模型支持任务分类和动态奖励机制，已在多个领域展示优势。
大模型集体“挂科”！全新中文网页检索测试：GPT-4o准确率仅6.2%
BrowseComp-ZH团队发布新基准测试集，对20多个主流大模型进行中文网页能力测试，结果显示多数模型在中文互联网检索上准确率低于10%，仅有少数能突破20%。研究揭示了模型在中文信息环境中的“死角”，强调了推理能力和多轮策略的重要性，并指出搜索功能的不当使用可能误导模型。
梅西、C罗打卡广州小蛮腰？百万网友被AI忽悠得团团转
文章讲述了明星自拍合照、影视剧人物打卡合影以及AI生成照片的热潮，并指出随着AI技术的进步，辨识真假变得愈发困难。提醒读者提高媒介素养和平台监管的重要性。
破解合规难题，AI高质量数据集建设正当时
阿里开源的Qwen2.5系列训练数据规模达18万亿 token，推动AI大模型发展。但大规模训练带来幻象问题，RAG技术及工业场景应用以数据为中心成为趋势。国家和行业正积极推进数据标注产业发展规范，提升数据标注行业的合规能力。