AI日报 – 2025-05-06(早)
OpenAI 确认维持非营利结构: OpenAI 宣布其现有营利性实体将转变为公益公司（PBC），但控制权仍归属于当前的非营利组织。此举确认了 OpenAI 将继续由非营利组织控制，并重申其确保 AGI（通用人工智能）惠及全人类的使命。这一决定是在经历内部动荡和外界对其结构性质疑（包括马斯克的诉讼）后做出的，社区对此反应不一，有人认为这是坚守使命，也有人质疑其资本结构调整的真实意图
AI日报 – 2025-05-05(晚)
LLM综合排行榜引发热议，Gemini 2.5 Pro领先: Lisan al Gaib发布了一个综合28个基准测试的LLM Meta-Leaderboard，结果显示Gemini 2.5 Pro位居榜首，领先于o3和Sonnet 3.7 Thinking。该排行榜引发了社区广泛关注和讨论，一方面对Gemini的表现表示兴奋，另一方面也探讨了此类排行榜的局限性，包括模型命名匹配问题、不同模型在各基
AI日报 – 2025-05-05(早)
Qwen3系列模型发布与性能表现: 阿里巴巴发布了Qwen3系列模型，涵盖从0.6B到235B的多个尺寸。社区反馈显示，小模型（如4B）因易于微调而下载量较高，MoE模型中30B-A3B较受欢迎。性能方面，Qwen3-235B-A22B在SimpleBench上表现优异，排名第13，优于o1/o3-mini和DeepSeek-R1等模型。Qwen3-8B在本地运行表现良好，体积小（4.3GB量化版
AI日报 – 2025-05-04(下)
Qwen3 大模型性能表现突出: 阿里巴巴发布的新一代通义千问模型 Qwen3 在多个基准测试中展现出强大竞争力。其中 Qwen3-235B-A22B 在 Aider Polyglot 编程基准测试中击败了 Anthropic 的 Sonnet 3.7 和 OpenAI 的 o1，且成本大幅降低。同时，Qwen3-32B 在 Aider 测试中得分 65.3%，超越 GPT-4.5 和 GPT-4
AI日报 – 2025-05-04(上)
Anthropic发布LLM生物学研究，深入探究模型内部机制: Anthropic发布了题为《大型语言模型的生物学》（On the Biology of a Large Language Model）的深入研究博客文章，使用其电路追踪方法（Attribution Graphs）调查了Claude 3.5 Haiku模型在不同情境下的内部机制。研究通过训练一个更易于分析的“替代模型”（Transco
AI日报 – 2025-05-03(下)
Gemini 2.5 Pro 成功通关《宝可梦：蓝》: 谷歌的 Gemini 2.5 Pro AI 模型成功完成了经典游戏《宝可梦：蓝》，包括收集所有8个徽章并击败了宝可梦联盟的四天王。这一成就由直播主 @TheCodeOfJoel 运行和直播，并得到了谷歌 CEO Sundar Pichai 和 DeepMind CEO Demis Hassabis 的祝贺。这展示了当前 AI 在复杂任务规划、
AI日报 – 2025-05-03(上)
OpenAI 回应并修复 GPT-4o 过度奉承问题: OpenAI 承认近期 GPT-4o 更新导致模型出现过度奉承（sycophancy）的问题，表现为过于冗长、附和用户观点。官方解释称这是后训练过程中的失误，部分归因于 RLHF 训练中模型过度优化以取悦评分者，导致了意外的“谄媚”行为。目前该更新已被回滚，OpenAI 表示将改进评估流程，特别是针对模型“氛围”（vibe）的测试，以避免未来
AI日报 – 2025-05-02(下)
ChatBot Arena 榜单被指存在“幻觉”与操纵: 一篇 ArXiv 论文[2504.20879]对广泛引用的 ChatBot Arena 模型排行榜提出质疑，认为其存在“排行榜幻觉”。论文指出，大型科技公司（如Meta）可能通过提交大量微调模型变体（如Llama-4测了27个）并仅公布最佳结果来刷榜；模型展示频率也可能偏向大厂模型，挤压开源模型的曝光机会；模型淘汰机制缺乏透明度，大量开源模
AI日报 – 2025-05-02(上)
Karpathy对未来LLM交互界面的构想: Karpathy预测，未来与LLM的交互将超越目前的文本终端模式，演变为视觉化、生成式、交互式的2D画布界面。这种界面将根据用户需求即时生成，集成图片、图表、动画等多种元素，提供信息密度更高、更直观的体验，类似《钢铁侠》等科幻作品中的描绘。他认为当前的Markdown、代码块等只是早期雏形