PaperBench 是一个由 OpenAI 开发的基准测试，旨在评估 AI Agent 复现尖端 AI 研究的能 力。它专注于测试 AI 是否能理解研究论文、独立开发代码并执行实验以复现研究结果。
刚刚开源的新基准测试PaperBench，6款前沿大模型驱动智能体PK复现AI顶会论文，新版Claude-3.5-Sonnet显著超越o1/r1排名第一。与去年10月OpenAI考验Agent机器学习代码工程能力MLE-Bnch相比，PaperBench更考验综合能力，不再是只执行单一任务。
刚刚，Local AI 领域的 Libra 团队发布了一段最新技术演示视频，展示了用户通过自然语言交互直接生成 Agent，并利用本地消费级算力支持 Agent 进行长程 (Long-Horizon) 推理，最终完成复杂任务。
DeepMind内部研究要「封箱」了！为保谷歌在AI竞赛领先优势，生成式AI相关论文设定6个月禁发期。不仅如此，创新成果不发，Gemini短板不提。
4月1日，途牛旅游网自主研发的“AI助手小牛”旅游应用Agent正式上线途牛旅游APP、“AI助手小牛”小程序。“AI助手小牛”结合旅行垂直应用场景与开源大模型（DeepSeek、通义千问），实现了机票、酒店、火车票快捷查询、预订服务，能够为用户提供智能、专业的“0搭售"旅游服务方案。
3月31日，随着iOS18.4更新，Apple Intelligence正式支持包括简体中文、法语、德语、意大利语、葡萄牙语（巴西）、西班牙语、日语和韩语在内的多种语言，并提供新加坡和印度版本的本地化英语。
Runway带着新一代视频生成模型Gen-4杀回来了！
2025年，人工智能领域正在经历一场由LLM Agent引发的深刻变革，不管普通人的衣食住行还是研究者的尖端研究，都很难不受Agent的影响。
今天凌晨，Runway的新版本Gen-4又试图解决AI视频的一个关键难题，让AI视频更靠近电影级。这一切都只发生在短短的2个多月内，很难想象今年AI会发展到什么程度，或许今年将会是GPT-3.5后真正的AI爆发年。
如今，有越来越多的网友发现，Gemini 2.5 Pro已经成为全球大模型中名副其实的冠军，刷爆各类基准测试和智商测试！它的智商达到130，其中数学方面已经强于大多数研究生，甚至几句提示，就能模拟宇宙规律。
