SuperGPQA: 突破285个学科边界的AI评测新范式-探索大语言模型的真实能力边界

2025_NIPS_SuperGPQA: Scaling LLM Evaluation across 285 Graduate Disciplines

大型语言模型（LLMs）在数学、物理、计算机科学等主流学术领域已展现出卓越能力。然而，人类知识涵盖200多个专业学科，远超现有基准的覆盖范围。LLMs在许多专业领域——尤其是轻工业、农业和服务导向型学科——的能力尚未得到充分评估。为填补这一空白，我们提出SuperGPQA，这一全面基准可评估285个学科的研究生水平知识与推理能力。该基准采用创新的人机协同过滤机制，基于LLM响应和专家反馈进行迭代优化，剔除琐碎或模糊的题目。

SuperGPQA：全面评估大规模语言模型的跨学科能力

SuperGPQA：全面评估大规模语言模型的跨学科能力 项目介绍 SuperGPQA 是一个全面的评估框架，旨在衡量大规模语言模型（LLM）在285个不同学科领域的知识和推理能力。该项目采用了一种创新的Human-LLM协作过滤机制，通过迭代改进，依据LLM的响应和专家的反馈，消除那些显而易见或模糊不清的问题。实验结果表明，当前最先进的大规模语言模型在多个知识领域中仍存在较大的提升空间，突显了现有...

2篇1章1节：字节跳动打造的国产AI助手，豆包

豆包的迅速崛起，不仅是字节跳动在AI领域技术与生态协同能力的集中体现，更折射出国内大模型正逐步从“技术试验”走向“场景赋能”的成熟路径。在竞争激烈的全球AI赛道中，豆包凭借其多模态能力、低成本部署、丰富产品形态及广泛生态协同，成为国产AI产品国际化潜力的代表。当然，隐私保护、合规使用、海外政策壁垒等问题仍是其不得不面对的现实挑战。

SuperGPQA：挑战大模型专业知识的基准测试

SuperGPQA是一个全面的大语言模型基准测试，专门设计用于评估模型在285个研究生级别学科中的知识和推理能力。26,529道高质量题目，覆盖13个主要学科领域每个学科至少包含50个问题，确保评估的深度和可靠性77.2%的STEM内容，反映现实世界中专业知识的分布42.33%的问题需要计算，强调推理能力的重要性SuperGPQA不仅仅是一个基准测试，更是AI研究道路上的一座里程碑。它挑战着现有模型的极限，指引着未来发展的方向。

【AI论文】SuperGPQA: 跨285个研究生学科的大型语言模型评估扩展

实验结果表明，当前最先进的LLMs在不同知识领域（例如，以推理为重点的模型DeepSeek-R1在SuperGPQA上取得了最高的61.82%准确率）的表现仍有显著提升空间，凸显了当前模型能力与通用人工智能之间存在的巨大差距。其次，项目团队提出了一种新颖的人机协作过滤机制，通过迭代精炼的方式消除琐碎或模糊的问题，从而提高了评估的针对性和有效性。实验结果表明，在不同轮次的评估中，模型的表现具有较高的一致性，表明SuperGPQA数据集的评估结果是稳定和可靠的。

稀疏注意力、视觉语言新突破：本周Hugging Face TOP 10论文速览

作者 |书生·浦语等LLM编辑 | 机智流点击下方卡片，关注“自动驾驶之心”公众号戳我->领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『自动驾驶』技术交流群本文只做学术分享，如有侵权，联系删文各位AI爱好者，本周Hugging Face Daily Papers又带来了一波前沿研究成果！从长上下文建模到多模态视觉语言模型，再到AI研究Agent的新框架，TOP...

GPQA （Graduate-Level Google-Proof Q&A Benchmark） 数据集

它提醒我们：在追求技术突破的同时，如何确保AI始终服务于人类的知识探索，仍是亟待解决的挑战。正如论文作者所言，只有当监督协议能够驾驭“超越人类的AI”时，我们才能真正释放其推动科学进步的潜力。当AI能力超越人类时，如何确保其输出的真实性？GPQA通过提供接近人类知识边界的难题，帮助研究者设计新的监督协议，例如让非专家通过AI辅助验证答案。（Graduate-Level Google-Proof Q&A Benchmark）的基准测试，旨在通过一系列“防谷歌”的难题，推动AI与人类协作的监督方法研究。

「科学推理」中文基准测评（SuperCLUE-Science）方案发布

随着人工智能技术的飞速发展，大语言模型在研究生级别的高难度科学题目上的推理能力已经成为了研究的热门话题。以 OpenAI 为例，其在 12 月初正式发布的新模型 OpenAI o1 展现了强大的科学推理能力，o1 在测试研究生级别的物理、化学和生物学专业知识的基准 GPQA-Diamond 上表现惊人，展现了比肩人类博士级别的能力。为了更有效地评估大模型在这方面的表现，尤其是考虑到国内正在涌现出大...

Hi3516CV610 YOLOv8模型转换与部署实战：从ONNX到OM全流程解析

在嵌入式AI领域，将YOLOv8这样的先进目标检测模型部署到海思Hi3516CV610这类边缘计算平台，正成为智能安防、工业质检、智慧交通等场景的热门需求。然而，从PyTorch模型到开发板可执行文件的全链路涉及环境配置、模型导出、格式转换、量化优化等多个环节，每一步都可能遇到“坑”。本文将基于实战经验，带你从头开始，完整走通YOLOv8模型从PyTorch导出ONNX，再到海思平台OM模型转换的全流程。本文完整梳理了从环境搭建到YOLOv8模型转换为Hi3516CV610平台OM格式的全流程。环境先行。

【IEEE出版】第八届机器学习、大数据与商务智能国际会议（MLBDBI 2026）

收录检索: IEEE Xplore, EI Compendex, Scopus。第八届机器学习、大数据与商务智能国际会议（MLBDBI 2026）早鸟优惠截止时间：2026年9月8日 23:59。三轮截稿时间：2026年9月11日23:59。点击官网 即可参会/投稿/了解会议详情。接受/拒稿通知：投稿后1周左右。2026年10月23-25日。

GCP Vertex AI 生产监控告警：Cloud Function 转发钉钉与电话

Vertex AI / Gemini 的指标在 Cloud Monitoring 里有 200+ 条，但通知渠道是邮件、Slack、PagerDuty、Webhook。国内值班要钉钉和电话，必须自己接一层转发。容量不够（429）怎么扩，看同库 PT 文。错误和配额超限怎么在 5 分钟内打到人，恢复时不要再打电话。用哪些 metric.type，duration 为什么是 300s单 Function +?project=路由电话组回滚是删策略 / 换渠道，不是删模型。

本地商户 AI 搜索占位落地实操：解决实体门店获客难题

AI搜索占位是近两年新兴的、适合本地商家的低成本获客方式。这项工作的核心不是为了争抢广告排名，而是搭建一套完整、可信的本地门店信息。当用户查询同城服务相关问题时，AI可以自然抓取和引用门店信息。这套实操方法适配家政、装修、汽修、美业、餐饮等所有本地实体行业。掌握以上全套 AI 搜索占位落地方法，本地实体商家可以低成本、长期稳定获取 AI 问答精准客源，是当下性价比很高的新型本地获客方式。

【AI 大模型】国内各平台 AI 大模型 价格、性能 对比分析 ① ( DeepSeek | 火山方舟 )

一、DeepSeek 1、模型价格 2、MOE 模型架构 3、deepseek-v4-flash、deepseek-v4-pro 多维度对比 二、火山方舟 1、火山引擎 和 火山方舟 2、火山方舟 AI 大模型付费方式 3、火山方舟 性价比高的模型 4、多维度对比 火山方舟 AI 大模型 5、火山方舟 AI 大模型 接入到 AI 编程工具

matlab车牌出入库识别系统停车场演示【源码61期】

<think>我们只需要根据用户提供的长文生成摘要≤150字。内容是车牌识别系统介绍，包括算法流程、功能、不足和代码获取。摘要要简洁概括核心。</think>基于MATLAB GUI的车牌识别与停车场管理系统，集车牌定位、字符分割、模板匹配识别及Excel车辆管理于一体。采用Canny边缘检测、投影法精确定位蓝色车牌，通过垂直投影分割字符并归一化匹配识别。系统支持入库出库及车位查询，但依赖蓝色车牌、模板匹配鲁棒性有限，后续可引入深度学习与数据库优化。

ChatGPT 的回答也能被结构化抓取？AI Bot Scraper 对比测评

AI Bot Scraper 可以理解为一类「对话式 AI 的自动化采集工具」。它的本质不是传统意义上的网络爬虫，而是把「浏览器自动化、网络请求拦截、DOM 解析、数据清洗」组合起来的采集流水线。与抓取静态网页不同，它要处理的是一个实时生成、不断变化、需要登录态的复杂页面。会话准备：启动无头或有头浏览器，加载目标 AI 产品页面（如 ChatGPT、Claude、Gemini），并恢复登录态。登录态通常通过已保存的 Cookie、文件或扫码会话注入；提示词注入：把提前整理好的问题依次写入输入框并发送。

基于音视频转写与大模型摘要的会议纪要自动生成工具技术对比

本文对比百度网盘“简单听记”、讯飞听见、通义听悟三款AI会议纪要工具，分析其转写、说话人区分、摘要生成及存储安全等能力，并给出选择建议：网盘用户可选简单听记，重准确率可选讯飞听见，轻量免费可选通义听悟。同时提出提升纪要质量的实操建议，如优化录音、预置标签、导入热词、人工复核关键信息。

FlyEnv 本地开发环境与 AI 协同能力深度评测

FlyEnv 以原生架构替代传统容器，实现轻量级本地开发环境。它通过自动识别项目依赖、一键启动全栈服务、多版本运行时隔离与 HTTPS 自动配置，显著提升开发效率。结合 MCP 协议，AI 可直接操控环境，完成“写代码—跑代码—修代码”闭环。实测显示其资源占用低、启动快，尤其适合低配设备与多项目并行场景。虽在复杂分布式场景仍难替代 Docker，但对 90% 的日常开发而言，是更高效、智能的现代化选择。

免费AI网关测评：LiteLLM、New API和1Panel AI网关

为企业运维团队、AI业务团队提供选型参考。

EasyOCR全栈实战 | 全网独家复现图像增强与多语言适配优化、助力票据证件仪表盘工业OCR精准落地

光学字符识别（OCR）是工业数字化、政务无纸化、企业数据自动化采集的核心基础技术，核心作用是将图片、视频帧中的印刷体、手写体字符转化为可编辑、可统计、可入库的结构化文本，广泛应用于财务票据归档、身份证件信息提取、工业仪表盘数据采集、多语言图文解析、纸质文档电子化等场景。在智能制造、政企数字化转型的大背景下，传统人工录入文字的方式效率低、误差大、人力成本高，智能OCR识别已成为替代人工数据采集的刚需能力。当前工业场景落地的传统OCR方案存在大量无法规避的技术短板，严重制约实际落地效果。