Test Time Scaling Law远未达到上限! o4-mini仅15.8%通过率，华为诺亚提出代码HLCE终极基准

作者

本文介绍了华为诺亚实验室发布的’人类最后的编程考试'(HLCE)基准测试，旨在评估当前大语言模型（LLM）在复杂编程任务上的表现。结果显示，即使是顶尖的大模型，在HLCE上也面临巨大挑战，单次尝试成功率仅15.85%或11.4%，与其它基准相比显著降低。研究发现LLM擅长推理但对交互式问题不足，且存在自我认知能力不强的问题。总体而言，尽管在测试时扩展规律上表现良好，LLM仍需进一步优化。

从诡异视频到假论文，AI正把互联网变成巨型「垃圾场」

作者

AI 生成的诡异视频在社交媒体上大行其道，不仅有色情内容，还有涉及人身伤害、恐怖谷效应等伦理问题。学术领域亦受到冲击，AI 伪造论文导致科学信息虚假。呼吁警惕 AI 技术带来的负面影响，避免互联网变成信息垃圾场。

训练大模型玩《反恐精英》：自带外挂一枪爆头，堪比职业玩家

作者

专注于AIGC领域，介绍微软、百度文心一言等大语言模型的发展和应用。文章提及动视暴雪、斯坦福大学和英伟达研发的游戏大模型MLMOVE，展示其在《反恐精英：全球攻势》中的表现，并对比传统AI的不足之处。