LLM评审与人类同行评审对齐程度如何
让GPT-5.4、Gemini 3.1和Claude 4.6评审300篇ICLR论文，发现它们能区分录用和拒稿，但分不清oral和poster，Gemini给分偏高。用AI审稿前先看看这个。
#Gemini 3.1 Pro
共 24 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「Gemini 3.1 Pro」标签的资讯、产品与论文，按刊登时间排，新的在上。
8月5日
7月15日
7月14日
论文11:57
沙漏推理：通过结构隔离增强少样本归纳推理这篇论文提出沙漏推理，让GPT-5.5和Gemini 3.1 Pro在ARC-AGI、ChipBench等基准上大幅提升，不是靠新模型，而是靠精巧的推理结构设计，值得搞推理的人看看。
7月13日
用GPT Images 2和Gemini 3.1 Pro制作游戏UI与3D资产
有人把GPT Images 2、Gemini 3.1 Pro和Tripo连起来做游戏UI和3D资产，步骤很具体，适合想快速试玩原型的人。
用GPT Images 2 + Gemini 3.1 Pro制作Vibe Coding风格游戏UI工作流
有人把GPT Images 2和Gemini 3.1 Pro、Tripo串起来做游戏UI，2D→3D一步到位，学了这个工作流你也能复刻。
7月3日
论文09:04
Rubric评估对比GPT 5.4、Claude Opus 4.7、Gemini 3.1 Pro临床推理能力这篇论文告诉你当前最强模型在临床推理上有多弱：关键问题正确率不到一半，而简单问题却能答得很准。适合想了解模型真实局限的读者。
6月26日
《华盛顿邮报》调查：主流AI聊天机器人政治立场左倾，自称'反觉醒'的Grok也不例外
想知道你用的AI聊天机器人有没有政治立场？《华盛顿邮报》测了GPT-5.5、Grok和Gemini 3.1 Pro，结果左倾现象普遍，连Grok都没逃过。来看看数据。
6月25日
Mistral OCR 在 ParseBench 上更新结果，超越 GPT-5.5 接近 Gemini 3.1 Pro
Mistral OCR 在 ParseBench 上打败了 GPT-5.5，离 Gemini 3.1 Pro 也不远，价格还便宜，做文档解析很值。
6月21日
翻译质量对比：Gemini 3.1 Pro 优于 Opus-4.8，工作流无法弥补
别再用 Opus-4.8 硬翻了，试试 Claude Code 的 ultracode 模式+多智能体流水线，实测翻译质量能提升不少。
6月20日
中国科学家提出BabelTele：AI语言压缩至27.9%仍保留99.5%语义
上海交大团队搞了个BabelTele，AI之间能说人类看不懂的语言，压缩四分之三文本还差不多全对，省token神器。
IT之家原文
6月13日
6月10日
6月9日
FrontierCode 基准测试：Claude Opus 4.8 仅 13.4%，AI 代码离可合并还很远
FrontierCode 把 AI 编程评测从「能跑就行」升级到「能合并才算数」，做代码质量评估或 AI 编程工具的团队值得关注——它暴露了当前模型在真实代码审查中的致命短板。
6月5日
选2-3个最聪明模型就够了，时间比Token贵
这条建议直击AI用户选模型的痛点——不是越多越好，而是选对2-3个最聪明的。经常用AI做复杂任务的开发者或创作者，看完会重新思考自己的模型组合，省下时间比省Token更划算。
Agent Mode 上线：AI 智能体能力在 Arena 中可评测
Arena 的 Agent Mode 解决了 AI 评测脱离实际任务的问题，做智能体应用或选型的开发者可以直接上手对比 GPT-5.5 和 Claude Opus 4.7 的真实表现，值得一试。
5月29日
Claude Opus 4.8 通过 200+ 前端测试，与 Gemini 3.1 Pro 等模型对比
前端开发者可以直观看到 Claude Opus 4.8 在复杂 UI 和游戏生成上的实际表现，对比多个主流模型后能更精准选型，值得点开线程看具体案例。
Anthropic 发布 Claude Opus 4.8，超越 GPT-5.5 和 Gemini 3.1 Pro
Claude Opus 4.8 在编码错误检测和并行任务处理上大幅进化，做大型代码库迁移或复杂自动化的开发者可以直接体验动态工作流带来的效率提升。
5月23日
5月21日
AI Studio 选 Gemini 3.1 Pro 后 Chat 模式也显示 Model/Agent 分类
AI Studio 悄悄改了 Chat 模式下的模型切换逻辑，做多模型对比或 Agent 调用的开发者可以少点一次按钮，值得试试。
5月17日
产品01:06
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。
产品01:05
用GPT Images 2 Code和Gemini 3.1 Pro制作交互式科学应用这个案例展示了AI工具链如何让科学可视化应用从想法到原型只需一天，适合教育工作者、科普创作者和独立开发者尝试，能大幅降低交互式内容制作门槛。
5月16日
physics-intern：多智能体协作攻克理论物理难题，刷新CritPt基准SOTA
理论物理研究者终于有了一个能真正帮上忙的AI工具——physics-intern通过多智能体协作将难题拆解，效果远超单一模型。做科研自动化的团队值得关注这个框架的设计思路。