#GPT-4o

共 51 条 · 7 天 5 条 · 30 天 17 条

推理模型 6 OpenAI 5 智能体 5 AI安全 4 多模态 4 DeepSeek-R1 2 DeepSeek-V3 2 GPT-5 2

6月23日

模型精选12:00

Lost in Aggregation：LLM空间导航多尺度诊断基准

想知道LLM为什么在导航任务中迷路吗？这个基准把问题拆成三个层级，告诉你59%的锅在交叉口选择，39%在局部感知，方向判断几乎不犯错。对做空间推理的开发者非常有用。

#Lost in Aggregation #GPT-4o #DeepSeek-V3 #Llama-3.3-70B

arXiv: DeepSeek@Yuhan jiang 等 3 人原文

6月19日

麻省理工研究：过度依赖聊天机器人或削弱批判思维

麻省理工用67人做了4周实验，发现依赖ChatGPT越久，你自己辨别假新闻的能力反而下降15%——别把脑子外包给AI。

#麻省理工学院 #GPT-4o #ChatGPT #批判性思维

IT之家原文

6月18日

日本语境下LLM招聘性别偏见及缓解策略评估

这篇论文用43200次测试发现，五个主流LLM在日文简历上全有亲女性偏见，改提示没用，删名字才行，看清AI招聘的坑。

#GPT-4o #DeepSeek-V3 #Claude Sonnet 4.6 #性别偏见

arXiv: DeepSeek@Serena A. Hoffstedde 等 7 人原文

6月16日

模型多源确认19:46

俄语宣传骗过AI模型有多容易？新基准测试揭示

想知道你用的AI会不会被俄语宣传带跑偏？爱沙尼亚语言研究所测了8个主流模型，GPT-4o最扛打，Llama 3.1中招率最高。看看你的AI排第几。

#GPT-4o #Claude 3.5 Sonnet #Llama 3.1 #AI安全

官方账号Decoder@Jonathan Kemper11 个信源在谈原文

论文多源确认11:38

人类注视与视觉语言模型注意力在安全场景中的比较研究

想知道AI能不能像人一样在危险场景下抓住关键区域？这篇论文用GPT-4o、Gemini Pro等模型做了对比，发现它们不靠眼动训练数据就能大致预测人类注视点。

#GPT-4o #Gemini Pro #Gemini Flash #Claude

arXiv: OpenAI@Marta Vallejo, Siwen Wang11 个信源在谈原文

论文精选11:17

组合推理深度预测临床AI失败：EHR问答实证

这篇论文用实验告诉你，临床AI回答EHR问题时，推理步骤越多越容易翻车。Claude、GPT-4o和GPT-5.4都逃不过，部署前得重点防多步推理。

#Claude Sonnet #GPT-4o #GPT-5.4 #MedAlign

arXiv cs.AI@Sanjay Basu2 个信源在谈原文

多模态评估者偏好崩溃：自进化智能体中的跨模态传染

这篇论文用GPT-4o和DeepSeek-chat做实验，发现AI自我评估时策略偏好会崩坏，还跨模态传染，数字很硬核，搞多模态和智能体的值得看。

#GPT-4o #DeepSeek-chat #多模态 #评估者偏好崩溃

arXiv: DeepSeek@Zewen Liu原文

5月18日

论文精选06:44

GPT-4与GPT-4o混合实验：新模型效果更显著

AI研究者或实验设计者注意了：模型版本差异可能显著影响结论，使用最新智能体工具能放大效果，建议在论文中明确标注模型版本。

#GPT-4 #GPT-4o #实验 #模型迭代

Ethan Mollick@emollick原文

5月17日

GPT-4o + Gemini 3.1 Pro 生成交互式科学应用，UI 与星球纹理全 AI 完成

AI 从设计到代码全包了，做科学可视化或教育应用的开发者可以直接抄作业，省掉 UI 和纹理设计的时间。

#GPT-4o #Gemini 3.1 Pro #交互式应用 #科学可视化

AI Will@FinanceYF5原文

5月13日

模型中美对照多源确认精选01:58

GPT-4o：OpenAI发布全能多模态模型

多模态免费模型来了

#GPT-4o #OpenAI #多模态

官方账号Sam Altman Blog7 个信源在谈原文