论文与研究
-
OpenAI发布BioBasicsBench:100项日常湿实验任务,GPT-6 Astra最高拿到66.7%
OpenAI于11月6日与酶设计公司Ligo联合发布BioBasicsBench,用100项常规湿实验分析任务衡量智能体读懂原始实验数据的能力。xhigh推理强度下,GPT-6 Astra平均拿到66.7%的可得分数,GPT-5.6 Sol为43.8%。
-
METR评估:Anthropic AI研发约加速2倍,多数或来自AI辅助而非算力扩张
METR于11月5日发布对Anthropic的高权限评估:截至2026年10月,其在明确任务上的能力进步约达历史节奏的两倍;AECI增速约1.9×,加速非训练算力所致,多数或归因于AI辅助研发。
-
GRPO算法:解锁大语言模型的强化学习新引擎
一、GRPO 算法是什么 1.1 算法定义 GRPO,即 Group Relative Policy Optimization,是一种用于强化学习的先进算法 ,主要用于提升大型语言模型(LLMs)在复杂任务中的表现,如数学推理、代码生成等。它的出现,为解决传统强化学习算法在大规模模型训练中的计算瓶颈和复杂性挑战提供了新的思路。 1.2 核心思想 GRPO 的…