给AI出的测试题，为什么AI自己批自己能拿满分
你有没有想过一个很怪的问题：如果让一个学生自己出卷子、自己做题、自己打分，这场考试还有意义吗？这正是现在AI圈子里悄悄发生的事情。大模型写代码越来越厉害，很多公司开始让AI自己给自己写的代码配套测试，用来验证代码对不对。听起来挺美好，一个闭环系统，AI写代码，AI写测试，AI自己验证自己。但问题是，验证这个测...
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
Anthropic 实验：Claude 半年将本金翻六倍
本金 30 亿 ISK半年后 180 亿 ISKAnthropic 让 Claude 在一款游戏里炒了半年的货，最新的 Fable 5 平均把本金翻成了6 倍。 而只比它早发布四个月的 O....
GPT-6.2 Astra要来了？
GPT-6.2 Astra 要来了，厉娜。据 The Information 今天凌晨放出的风声，最快当地时间本周五，OpenAI 的下一代模型家族就要组团突袭，一口气端出全新的 Astra、Sol 以及主打网络安全的新模型。而在此之前，全网吃瓜网友已经找到了不少关于新模型的蛛丝马迹。昨天凌晨，模型追踪机器人突然在 OpenAI 的 API 列表里抓到了两只...
奥特曼和Dario同台唱rap！Genspark新视频Agent上线，零基础也能拍短剧
Genspark的视频Agent工作台，Genspark Media Studio，正式发布了！ 这次，它把一批前沿模型拉到了一起，组了个AI剧组。 负责当「导演」的大语言模型有....
GPT-6.1 Terra发布，评论区：拉完了
最大亮点是价格降了一半。
这位十七岁的少年写下了哪个答案？——六款前沿语言模型中作者年龄误归因、信心校准失当与非纠正性自我解释的行为学案例研究
arXiv:2610.31946v1 发布类型：新 摘要：三名学生亲手回答了同一道考试题目：“什么是幸福？你幸福吗？”他们在收集时的年龄分别为17岁、28岁和45岁。其中，17岁的学生的答案措辞谨慎、表达正式。在要求将每份答案匹配到特定年龄与性别标签的任务中，大多数前沿语言模型都自信地将其归为成年人。本文报告了一项针对这一失败现象的结构化案例研究，涉及六种模型：Claude Fable 5、Gemini 3.1 Pro、GPT-5.6 Sol、Grok 4.5、GPT-4o（2024）以及 DeepSeek V4。我们共进行了1,081次API调用，在六个实验条件下对3,225条回复进行了评分，这些条件分别调整了表述方式、披露格式以及受众意识相关指令。在匹配任务中，六种模型中有三种的表现接近或处于随机水平（1/3），同时报告的准确率却高达73%至88%。