【新智元导读】在基准测试上频频屠榜的大模型们，竟然被一道简单的逻辑推理题打得全军覆没?最近，研究机构LAION的几位作者共同发表了一篇文章，以「爱丽丝梦游仙境」为启发涉及了一系列简单的推理问题，揭示了LLM基准测试的盲区。一道简单的逻辑问题，竟让几乎所有的LLM全军覆没?
......
本文由站长之家合作伙伴自媒体作者“新智元公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
Anthropic推出Claude两大重磅功能:Research与Google Workspace集成!Research功能让Claude快速检索网络与内部文件，精准回答复杂问题;而与Google Workspace的深度整合，则让用户能无缝调用Gmail、日历和文档信息，轻松完成从行程规划到报告撰写的任务。今天凌晨，Anthropic官方推出了两个重磅新功能:Research以及与Google Workspace集成。Anthropic称Research功能是与Claude合作的新方式。它能从多个角度分析
作者分享使用AI助手开发拼字游戏的两段经历：首次用Claude花费417美元(约3042元)，开发过程充满痛苦，常出现上下文失效、代码错误等问题；第二次用Gemini 2.5 Pro+Cursor完全免费，体验明显改善，能更好理解项目上下文，开发更流畅。对比指出：Claude像健忘的实习生，常搞砸项目；Gemini则像可靠的中级工程师，开发速度快且稳定。但强调AI仍需人类监督测试，无法独立产出完美代�
Anthropic公司通过分析70万条Claude AI对话数据，发现其AI助手展现出独特的价值观体系。研究显示Claude遵循"乐于助人、诚实无害"的核心价值观，同时能根据不同场景灵活调整回应方式。AI表现出3307种价值观，分为实用性、认知性、社会性等五大类，其中28.2%对话强烈支持用户价值观，3%会明确抵制不当观点。研究还发现高价版AI模型价值观表达更强烈，在学术严谨性和情感�
研究显示，GPT-4o在图像理解和推理上表现出色，能生成精美图片，但在基础逻辑测试中表现欠佳，暴露出理解、推断及多步骤逻辑处理的不足。例如，被要求画一只猫时，它先画了狗然后改为猫，但仍存在错误判断。这表明当前AI更像“精确指令机器”，需进一步优化以实现更精细的图像理解和复杂任务处理。
快科技5月2日消息，今日杨天真发文晒照，出现了罕见亮相的章泽天身影，两人在不丹徒步。从照片看，杨天真身着紫色运动装，章泽天穿黑色运动装，状态不错。杨天真配文：情绪极其饱满丰富的一天，Gangtey的安曼推荐了一条徒步路线，犹如走入爱丽丝仙境，大雨中被树和花的存在感动到哭，莫名其妙又自然而然。我果然适合行禅，行走中又见天地开阔，我们都是世间的小花，一花一世界，自在开放。”据悉，章泽天1993年11月18日出生于江苏南京，2009年12月因一张手捧奶茶的照片走红，被称为奶茶妹妹”。2011年以外国语中学优秀学生”的身份参加清?
今天凌晨1点半，Meta生成式AI领导者AhmadAl-Dahle在社交平台发布了一篇长文，对前天刚开源的Llama4质疑进行了官方回应。Ahmad表示，Llama4一开发完就发布了，所以，不同服务中模型质量难免会有一些差异。由于关税大战的原因，Meta的股票遭遇重创，他们也需要一个利好消息来拉升股票，现在适得其反。
当地时间10日，ChatGPT的开发公司OpenAI宣布，将为ChatGPT引入新的“永久记忆”功能。OpenAI解释称，这是一种让人工智能记住与用户之前对话内容的功能，基于此，ChatGPT能够向用户提供更加自然、且更具个性化的回答。他们还补充称，英国和欧盟等部分地区，由于要进行合规审查，新功能的使用目前受到限制，未来会择期提供。
快科技5月1日消息，当地时间5月1日上午10:23，OpenAI创始人奥特曼发文向GPT-4告别：再见了，GPT-4。你掀起了一场革命。我们将自豪地将你的重量保存在一个特殊的硬盘中，以便将来送给一些历史学家。”据报道，OpenAI此前宣布，自2025年4月30日起，GPT-4将从CHATGPT中退役，由GPT-4o完全替代 ，不过GPT-4仍将在API中提供。OpenAI表示，在面对面的评估中，GPT-4o在写作、编码、STEM等方面持续超越GPT-4。最近的升级进一步改进了GPT-4o的指令跟踪、问题解决和对话流程，使其成为GPT-4的自然继承者。据悉，GPT-4于2023年3月发布，较上一代GPT-3
LMArena更新了Meta最新发布的开源大模型Llama-4-Maverick的排名，从此前的第2名，直线掉到了第32名！这也实锤了此前开发者对Meta为刷榜排名向LMArena提供了“特供版”的Llama4大模型的质疑。开源版同款Llama-4-Maverick-17B-128E-Instruct在LMArena的排名为32名，远低于Gemini2.5Pro、GPT4o、DeepSeek-V3-0324、DeepSeek-R1、Qwen2.5-Max，甚至连英伟达基于上一代Llama3.3改造的Llama-3.3-Nemotron-Super-49B-v1都不如。
被寄予厚望的美国Meta公司的最新开源大模型Llama4发布不到2天时间，口碑急转直下，被质疑为刷榜作弊实际效果差、开源条件多部署门槛高是伪开源等。大模型评测平台LMArena亲自下场发文，打脸Meta提供给平台的Llama4是“特供版”。Meta若继续在商业控制与技术开放之间摇摆，恐将在AI竞赛中进一步失去开发者支持。
