基准测试

xAI公司尚未发布的Grok-4大语言模型在多项基准测试中表现优异，HLE测试得分达45%，远超OpenAI o3和Gemini 2.5 Pro。GPQA测试成绩与o3持平，SWE Bench和AIM...

DeepSeek公司公开大模型训练技术细节，涵盖预训练与优化训练双阶段，采用MoE架构和FP8混合精度，降低能耗30%，在数学推理和代码生成任务中表现突出，为AI行业提供技术参考与工程实践样本。

香港科技大学与英伟达联合研发的NewtonBench基准测试，通过模拟平行宇宙环境动态调整物理参数，系统性评估大语言模型的科学发现能力，解决训练数据泄漏问题，为下一代AI科研系统开发提供新范式。