arXiv cs.AI·25 天前★ 2
论文提出 AI 评测生态模拟架构研究基准设计
原文标题：The AI Evaluation Ecosystem
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
研究者构建结合规则市场动态与 LLM 战略主体的模拟架构，基于生成式智能体建模（GABM），将基准、用户需求与厂商能力建模为六维能力空间向量。案例研究发现，从公开基准转向私有留出基准，多数情况下缩小了跑分与用户满意度的差距，但部分基准反而扩大。
- 问题
- AI 基准设计缺乏对厂商、用户、监管者生态动态的建模。
- 方法
- 用规则市场动态加 LLM 战略主体做生成式智能体建模，把基准、需求、能力映射到六维能力空间。
- 结果
- 案例发现公开基准转私有留出基准多数缩小跑分与用户满意度差距，少数反而扩大。
- 影响
- 给基准与政策设计提供可试错的沙盒，帮助团队预判评测选择如何扭曲模型行为。
所属主题基准测试5
阅读原文 +0
AI 处理过程展开/收起
原始标题：The AI Evaluation Ecosystem
AI 中文标题：论文提出 AI 评测生态模拟架构研究基准设计
来源：arXiv cs.AI · 发布于 25 天前
分类：学术研究 · AI 重要度：★ 2（2）
标签：AI 评测 / 基准测试 / 智能体建模 / 模拟仿真 / AI 政策
关键词：AI 评测生态 / 基准测试设计 / 留出基准 / 生成式智能体建模 / AI 政策
相关推荐
36氪·6 天前★ 5
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
#学术研究
The Verge AI·23 天前★ 5
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
#学术研究
OpenAI·26 天前★ 5
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
#学术研究
The Verge AI·26 天前★ 5
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。
#学术研究