随着人们越来越依赖大模型，本文最初描述的基于大模型出考试题，将会在未来变得越来越普遍，进而潜移默化地影响人类学生的思考模式，也许会让我们的下一代变得啰啰嗦嗦，或者看文章时只关注特定细节，尤其是头尾部的（考核中的重点）。

最近，加州大学伯克利分校、沙特阿拉伯阿卜杜拉国王科技城（KACST）和华盛顿大学的研究人员发表了一项研究，首次系统评价了大模型提问的能力，并指出大模型和人类的提问模式存在显著差异。 这项研究基于维基百科的文本，将文本拆分为 86 万个段落，之后通过亚马逊 Mechanical Turk 众包平台，由人类参与者为每个段落撰写对应的题目及答案，人类给出的文本将作为评估大模型的基准。

OpenAI，有大事发生！最近各种爆料频出，比如 OpenAI 已经跨过「递归自我改进」临界点，o4、o5 已经能自动化 AI 研发，甚至 OpenAI 已经研发出 GPT-5？OpenAI 员工如潮水般爆料，疯狂暗示内部已开发出 ASI。

平均Mechanical Turk人工任务工人的得分为75%。 根据OpenAI的说法，o系列模型的性能提升主要来自于增加思维链（Chain-of-Thought，CoT）的长度（以及其他技术，如思维树），并通过强化学习改进思维链（CoT）过程。 目前，运行o3在最大性能下非常昂贵，单个ARC-AGI任务的 ...