FormulaOne

08-15科技

性能提升仍有限！GPT-5、Grok 4、o3 Pro都零分 史上最難AI評測基準換「它」

先進 AI 模型真能達到博士級推理水準嗎？谷歌、OpenAI 旗下模型先前雖在數學奧林匹克 (IMO) 測試中斬獲金牌，讓不少人認為大語言模型 (LLM) 或許已具備攻克博士級科研難題的推理能力，但現實或許並非如此樂觀。AI 媒體《機器之心》報導，專注於超智慧和高級 AI 系統研究的機構 AA-I Technologies，近期推出名為 FormulaOne 的新基準測試，讓一票大模型集體「翻車」。