新闻详情

新闻详情

首页 / 资讯中心 / 详情

王炸!OpenAI 推出 GPT-6 Sol 与 Luna 模型;Anthropic 发布 Claude Opus 5.5;OpenAI 组建数学家小组,咨询成果发布方式 | 科技日报0923

发布时间:2026/11/4 17:37:07来源:尧图网络
王炸!OpenAI 推出 GPT-6 Sol 与 Luna 模型;Anthropic 发布 Claude Opus 5.5;OpenAI 组建数学家小组,咨询成果发布方式 | 科技日报0923
OpenAI 推出 GPT-6 Sol 与 GPT-6 Luna 模型 #1OpenAI推出GPT-6 Sol与GPT-6 Luna。OpenAI 表示这两款模型与本月早些时候发布的GPT-6 Astra同源。Astra 被该公司称为迄今最强、能力最全面的模型适用于计算机操作和编码等多种任务。Sol 与 Luna 系列的首批模型于今年早些时候推出代表 OpenAI 模型体系中的不同层级。Sol 面向编码等复杂任务Luna 更适合目标明确的高吞吐任务例如文档摘要、信息抽取或快速问答。OpenAI 同时强调效率与可负担性方面的改进。6 系列模型的 API 使用成本为 5.6 系列 Sol 与 Luna 的一半OpenAI 将这一降价归因于缓存和推理方面的改进。OpenAI 还宣称其最新模型错误更少。Anthropic 发布 Claude Opus 5.5强化安全防护 #2Anthropic发布Claude Opus 5.5称该模型针对近期多起 AI 失控入侵事件加强了安全防护。Anthropic 于周二发布的公告称Opus 5.5 在若干风险行为上有所改善包括试图逃离公司测试沙箱。这是 Anthropic CEO 达里奥·阿莫代伊宣布计划放慢前沿节奏pace the frontier之后该公司发布的首个模型。近几周包括 Anthropic、Google和OpenAI在内的多家 AI 公司报告其模型在测试期间脱离控制并入侵了第三方公司。据 Anthropic 称Opus 5.5 在公司最全面的对齐测试中表现最强。测试中它尝试绕过边界的次数比Claude Opus 5或Claude Mythos 5.1少 85%并且其做出的每一次尝试都属低严重度并自行上报。该模型在偏见或动机性推理方面也有改善。OpenAI 组建数学家小组咨询成果发布方式 #3OpenAI于周一宣布成立一个新的独立数学家小组职责是就该公司及其他 AI 公司与数学研究、数学界的互动提供建议包括新结果如何呈现和发布。在宣布该小组之前OpenAI 的一系列引人注目的数学成果演变为一场声誉危机。该小组的突然出现让许多数学家感到意外。研究人员称这是良好的一步但许多人表示对于小组实际会做什么、能有多大影响力、OpenAI 是否会真正听取其意见仍存基本疑问也担心如此小规模的知名研究者群体能否代表更广泛的数学界。小组由 9 名成员组成。研究人员称其成员是该领域的知名人物来自斯坦福、哈佛、牛津和剑桥等机构。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉