Texas A&M 研究人员开发出最难 AI 基准测试,揭示模型惊人局限性

- Texas A&M University 的科学家们在 50 多位合作者的共同参与下,创建了迄今为止最具挑战性的 AI 测试,旨在评估先进语言模型在复杂推理任务上的表现。
- 初步结果显示,即使是顶级 AI 系统也面临显著困难,这表明尽管这些模型在简单基准测试中表现出色,但在实际能力上仍存在差距。
- 该基准测试已在同行评审论文中详细阐述,旨在推进 AI 安全性和鲁棒性研究的边界。
- 未来的迭代版本将纳入多模态挑战,以进一步压力测试新兴模型。
更多故事
NASA 成功延长 Voyager 2 探测器寿命一年
• NASA 工程师成功将具有 49 年历史的 Voyager 2 航天器的运行寿命延长了一年。 • 团队利用一种特殊的“Big Bang”操纵手段来优化功率流动,并维持这台老旧探测器的关键系统运行。
阅读原文 · popsci.com
Popular Science观看:科学家发布迄今为止最详尽的太阳图像
• 科学家利用位于夏威夷茂宜岛的 National Science Foundation Daniel K. Inouye Solar Telescope,捕捉到了迄今为止最详尽的太阳表面图像。 • 这些高分辨率图像揭示了太阳表面起伏的异常羽毛状图案,太阳物理学家 Ruizhu Chen 将其比作 Van Gogh 的《星夜》中盘旋的天空。
阅读原文 · pbs.org
PBS NewsHourSpace X 坠毁现场首批照片揭示月球新陨石坑
• 周三,Elon Musk 的 Falcon 9 火箭的一块碎片在太空中漂浮一年后撞击了月球表面。 • 此次撞击在月球上形成了一个新的陨石坑,该现场的首批可用图像已将其捕捉到。
阅读原文 · telegraph.co.uk热门科学 DIY 百科全书及 1963 年 1 月 Popular Science 杂志的最佳替代方案 - NuestrAmérica XXI
• 本文向寻求通俗科学内容且不希望面对专业术语的读者推荐 ScienceDaily 和 Live Science 作为最佳替代方案。 • 这些平台充当新闻聚合器,将复杂的新闻稿和大学研究转化为适合普通大众阅读的格式。
阅读原文 · martianodigital.com前所未见的图像显示太阳充满了微小的旋转涡流。以下是为何这是一项突破性发现
• 科学家们使用美国国家科学基金会的 Daniel K. Inouye Solar Telescope 发现了 Kelvin-Helmholtz Instability (KHI),这种现象在太阳表面表现为微小的旋转涡流。 • 这些类似于小型漩涡的旋转图案被记录在从未见过的图像中,标志着太阳物理学的一次重大突破。
阅读原文 · livemint.comNASA 找到了让其 48 年机龄的 Voyager 2 探测器再运行一年的方法
• NASA 成功实施了功率降低操作,以延长 1977 年发射的 Voyager 2 探测器的运行寿命。 • 这些调整避免了该探测器在今年晚些时候不得不关闭其最后剩余的科学仪器之一。
阅读原文 · space.com
Space.com2029年4月一颗巨大的小行星将擦肩而过地球,科学家担心仍可能产生重大影响:ScienceAlert
• 根据发表在 The Planetary Science Journal 上的研究结果,一颗巨大的小行星预计将于2029年4月飞经近地空间。 • 尽管预计该小行星将与地球擦肩而过,但科学家担心这次近距离接触仍可能导致重大后果。
阅读原文 · sciencealert.com
ScienceAlert“又进了一步”:NASA 宇航员进行 6.5 小时太空行走,为 ISS 太阳能电池阵列升级做准备
• NASA 宇航员 Jessica Meir 和 Anil Menon 于 2026 年 8 月 6 日(周四)在 International Space Station 外部完成了一次时长 6.5 小时的太空行走。 • 机组人员重点安装了即将进行的太阳能电池阵列升级所需的关键安装硬件。
阅读原文 · space.com
Space.comNASA 的 Voyager 2 成功完成大胆的“大爆炸”操纵
• NASA 已成功对 Voyager 2 航天器执行了一次大胆的“大爆炸”操纵,以延长其运行寿命。 • 在太空中运行 49 年后,两艘 Voyager 探测器都面临严重的电力短缺,威胁到它们传输数据的能力。
阅读原文 · scientificamerican.com
Scientific American首次在太阳表面观测到等离子体波
• 天文学家首次在太阳表面检测到以小型涡流形式存在的等离子体波。 • 该发现是利用全球最大的太阳望远镜实现的,使研究人员能够观察到这些高分辨率的运动。
阅读原文 · popsci.com
Popular ScienceNASA 通过冒险的“大爆炸”操作为 Voyager 2 航天器延长一年电力,随后将轮到 Voyager 1
• NASA 成功在 Voyager 2 航天器上执行了一次冒险的“大爆炸”节能操作,将其运行电力延长了一年。 • 这部拥有 50 年历史的探测器在继续星际空间之旅的过程中,其科学仪器的电量正逐渐耗尽。
阅读原文 · livescience.com
Live ScienceNASA 工程师助力延长 Voyager 2 的科学探测任务 - NASA Science
• NASA Jet Propulsion Laboratory 的工程师已成功优化 Voyager 2 的电源管理,以延长其运行寿命。 • 团队释放了关键的电能,使航天器能够比此前预期更久地运行其科学仪器。
阅读原文 · science.nasa.gov
NASA Science
