大肉大捧一进一出视频出来呀一件比OpenAI发布deep research更值得关注的事情_ZAK大肉大捧一进一出视频出来呀ER新闻
一件比OpenAI发布deep research更值得关注的事情_ZAK大肉大捧一进一出视频出来呀ER新闻
6.李昊瑞OjimmaduRaphaelEbube上海外国语大学尼日利亚
北京时间 2 月 3 日上午，OpenAI 突然发布了一款全新的 Agent（智能体）—— deep research。Deep research 是一款利用推理合成大量在线信息并为用户完成多步骤研究任务的 Agent，目前已整合到 ChatGPT 中。目前，ChatGPT Pro 用户已可使用相关功能，接下来 deep research 也将对 Plus 和 Team 用户开放使用。简单来说，用户只需要告诉 ChatGPT 需要一份怎样的报告，并在对话框中勾选 deep research，ChatGPT 就将查找、分析并综合数百个线上资料，创建一份相当于分析师水平的综合报告，而用时只需要 5~30 分钟。这已经是 OpenAI 近两周的第三次发布了，之前 OpenAI 发布了首款 AI Agent —— Operator 和最新推理模型 o3-mini。这三次发布都在 DeepSeek-R1 发布之后。图片来源：OpenAIYoutube 网友看热闹不嫌事大，一位网友在 deep research 发布视频下评论："Deepseek 应该发布 R2，这样我们下周就能接触到 GPT5。"图片来源：OpenAI Youtube 账号OpenAI 的确也在想着 DeepSeek，在 OpenAI 发布 deep research 的直播演示画面中，历史聊天记录中有一个问题是："Is Deeper Seeker a good name？（Deeper Seeker 是一个好名字吗？）"不知道这是 " 无心之失 "，还是 " 有意为之 "，但 OpenAI 很有可能最开始没想给这个新 Agent 起名 deep research，而是想 " 碰瓷 "DeepSeek，至少想留个 " 彩蛋 "。图片来源：OpenAIDeep research 由即将推出的 OpenAI o3 模型中的一个版本驱动，该版本经过优化以进行网络浏览和数据分析，可以利用推理来搜索、解释和分析互联网上的大量文本、图像和 PDF 文件，并根据搜集的信息进行灵活调整。OpenAI 展示了很多 deep research 的应用案例，比如在商业、大海捞针（Needle in a Haystack）、医学研究、用户体验设计、购物等领域的应用，并称 Deep research 可提供 " 全面、精确、可靠的研究 "" 超个性化购买建议 "" 小众的、非直观的信息 "。通过 deep research 生成的市场分析报告，有数据、图表、来源，图片来源：OpenAIDeep research 处理大海捞针问题演示，图片来源：OpenAI这不禁让我们这些搞行业分析的人倒吸了一口凉气，" 年还没过完，工作就要没了？"我们把 deep research 的事情跟 DeepSeek 和 Kimi 都说了，DeepSeek-R1 安慰道：" 这种变革本质上不是替代，而是将人类智慧从信息处理的‘体力劳动’中解放，转向更高维的价值创造。" 而 Kimi 1.5 则更为直接地说：" 尽管 AI 在生成研究报告方面展现出了惊人的效率和能力，但人类分析师在理解复杂问题、与客户沟通以及提供专业建议等方面仍然具有不可替代的优势。""AI 是否能替代人类分析师 " 的话题还有待讨论，但是这次 OpenAI o3 模型通过 deep research 展现出的回答专业、复杂问题能力非常值得关注。它使用了类似人类的方法，创造了在 " 人类的最后考试 "（Humanity's Last Exam）中的最佳成绩。1. 什么是 " 人类的最后考试 "？" 人类的最后考试 " 是由 Center for AI Safety（CAIS）和 Scale AI 共同推出的一项新的基准测试（benchmark），旨在评估大语言模型（LLMs）的深度推理能力，并确定专家级人工智能（expert-level AI）何时真正到来。基准测试是评估大模型能力的重要工具，但是基准测试的难度并未与时俱进。比如热门的基准测试 MMLU（Massive Multitask Language Understanding），其在 2021 年被提出，包含了 57 个学科领域，覆盖从基础到高级的不同难度级别，涉及 STEM（科学、技术、工程、数学）、社会科学、人文、医学、法律等多个领域。很多大模型在 MMLU 基准测试上实现了超过 90% 的准确率，这限制了对最先进的大模型能力的有效测量。智源研究院副院长兼总工程师林咏华曾公开表示，有一些测评榜单完全可以靠定向的训练数据来拔高分数。"C-Eval、MMLU 以及 CMMLU，这几个类似的测评集已经有点被各个模型过度训练。" 林咏华说，" 所以，观察大模型能力时，我建议大家不用过度关注这几个测试集的评分。"时代呼唤新的基准测试。2024 年 9 月，就在 OpenAI 发布 o1 模型后，CAIS 和 Scale AI 就在筹划新的基准测试—— " 人类的最后考试 "。2025 年 1 月，" 人类的最后考试 " 基准测试正式推出，相关论文也发到了 arXiv 上了。在 " 人类的最后考试 " 的组织团队中，「甲子光年」发现了一个熟人——丹 · 亨德里克斯（Dan Hendrycks）。" 人类的最后考试 " 组织团队，图片来源：arXivDan Hendrycks，图片来源：UC Berkeley他是一位在机器学习、深度学习鲁棒性以及人工智能安全领域颇有影响力的研究者，目前担任非营利性组织 CAIS 的主任，同时他也是 xAI 和 Scale AI 的顾问。更值得一提的是，他是当年 MMLU 基准测试论文的一作。《MEASURING MASSIVE MULTITASK LANGUAGE UNDERSTANDING》论文，图片来源：arXiv让亨德里克斯下定决心发起 " 人类的最后考试 " 的是 OpenAI o1，他认为该模型 " 摧毁了最受欢迎的推理基准 "。与他有相同想法的还有 Scale AI CEO 亚历山大 · 王（Alexandr Wang），去年 9 月，他就呼吁：" 我们迫切需要更严格的测试来评估专家级模型，以衡量人工智能的快速进展。"大约四个月后，CAIS 和 Scale AI 推出了 " 人类的最后考试 " 基准测试，这是一个处于人类知识前沿的多模态基准测试。" 人类的最后考试 " 共有 3000 道题目，不要小看这 3000 道题目，它们是从 70000 道题目中经过重重筛选而来。题目筛选过程，图片来源：" 人类的最后考试 "这些题目涉及数学、人文、自然科学等 100 多个学科，由来自全球 500 多所机构的近 1000 名专家、学者精心设计，包含多项选择题和简答题，适用于自动评分。另外，这些题目都有明确且易于验证的标准答案，但大模型无法通过简单的互联网搜索快速得出结果。" 人类的最后考试 " 题目学科类型占比，图片来源：" 人类的最后考试 "之所以命名为 " 人类的最后考试 "，是因为它想成为 " 最终的 " 封闭式学术能力评估基准。「甲子光年」找到了一些 " 人类的最后考试 " 题目，可以看出这些专家、学者为了难住 AI 大模型真的是 " 绞尽脑汁 "。比如，牛津大学墨顿学院 Henry T 出了一道题：" 这是一段罗马铭文，最初是在墓碑上发现的，请提供帕尔米拉文字的译文。"图片来源：" 人类的最后考试 "还有一道题是：" 在希腊神话中，伊阿宋（希腊神话中夺取金羊毛的主要英雄，英文译名为 Jason）的外曾祖父是谁？"图片来源：" 人类的最后考试 "另外，还有来自各大知名大学的数学、物理、化学、计算机科学等学科的题目。从上至下为数学、物理、化学、计算机科学的题目，图片来源：" 人类的最后考试 "这些题目一出，一众大模型就 " 扑街 " 了。和以往的基准测试相比，包括 OpenAI 的 GPT-4o、o1，以及 Anthropic 的 Claude 3.5 Sonnet、谷歌的 Gemini 1.5 在 " 人类的最后考试 " 中的准确率呈 " 断崖式下降 "。大模型在不同基准测试中的准确率，HLE 指的是 " 人类的最后考试 "，图片来源：" 人类的最后考试 "可以看出，" 人类的最后考试 " 相比以往的基准测试（例如 MMLU），更专注于通过原创且高难度的题目，尤其是数学和深度推理题，来考察模型的极限推理和解决复杂问题的能力。" 人类的最后考试 " 中有 10% 题目还考察了模型的多模态能力（比如理解图片），这也为测试增加了难度。" 人类的最后考试 " 团队在介绍文档中 " 有些得意 " 地写道：" 这表明它在测量高级、封闭式学术能力方面非常有效。"但是今天，OpenAI deep research 刷新了大模型在 " 人类的最后考试 " 中的最佳成绩，几乎是之前 o1 准确率的三倍。2.OpenAI deep research 是如何做到的？根据 OpenAI 发布的数据，在 deep research 这款 Agent 的加持下，OpenAI o3 模型在 " 人类的最后考试 " 中取得了 26.6% 的准确率，与 o1 相比，该模型化学、人文和社会科学、数学领域的进步最为明显，而且 OpenAI deep research 展示了类人化的方式，在必要时会高效找到专业信息。OpenAI deep research 在 " 人类的最后考试 " 中取得了 26.6% 的准确率，创下新高，图片来源：OpenAI值得注意的是，DeepSeek-R1 在 " 人类的最后考试 " 中的准确率要略高于 o1，这也是对 DeepSeek-R1 推理能力的认可。表格中也写明，DeepSeek-R1 和 OpenAI o3-mini 不是多模态模型，仅在文本子集进行了评估。OpenAI deep research 是如何做到的？这张表格的 ** 号部分透露了玄机——浏览和 Python 工具。Deep Research 通过端到端强化学习在多个领域的复杂浏览和推理任务上进行了训练。通过这种训练，它学会了如何规划和执行多步骤的操作流程，以找到它需要的数据，并在必要时进行回溯和对实时信息做出反应。该模型还能够浏览用户上传的文件，使用 Python 工具绘制和迭代图表，将生成的图表和网站上的图像嵌入其回答中，并引用其来源中的特定句子或段落。由于这种训练，它在多个针对现实世界问题的公开评估中达到了新的高度。不过 OpenAI 也客观表示，deep Research 解锁了新能力，但它仍处于早期阶段，存在一些局限性。根据内部评估，它有时会在响应中产生幻觉或做出错误推断，但发生率明显低于现有的 ChatGPT。它可能难以区分权威信息和谣言，目前在信心校准（confidence calibration）方面表现较弱，常常无法准确传达不确定性。在发布时，报告和引用中可能会出现轻微的格式错误，任务的启动时间也可能更长。不过，OpenAI 预计所有这些问题都会随着使用和时间的推移而迅速改善。这不禁让人会思考一些问题，" 人类的最后考试 " 真的是人类给 AI 大模型的 " 最后一场考试 " 吗？如果新的大模型取得了更高的准确率，这就意味着 AGI 的到来吗？" 人类的最后考试 " 团队认为，虽然当前的大模型在 " 人类的最后考试 " 上的准确率还比较低，但根据历史经验，基准测试会很快饱和。他们直截了当地说："‘人类的最后考试’可能是我们需要给模型进行的最后一次学术考试，但它远非针对 AI 的最后一个基准测试。（HLE may be the last academic exam we need to give to models, but it is far from the last benchmark for AI.）"团队预计，到 2025 年底，大模型有可能在 " 人类的最后考试 " 上实现超过 50% 的准确率。在 " 人类的最后考试 " 实现高准确率将证明模型在封闭式、可验证的问题以及尖端科学知识方面达到专家级水平，" 但这并不意味着它具有自主研究能力或者 AGI。"" 人类的最后考试 " 团队发表这些观点的时间是 1 月 24 日，但是现在，刚刚过去不到两周，OpenAI deep research 就展现了 " 大模型 +Agent" 具有一定自主研究能力。那么，AGI 呢？OpenAI 首席研究员 Mark Chen 在 deep research 发布会直播的最后说："Deep research 对我们的 AGI 路线图非常重要。"koa12jJid0DL9adK+CJ1DK2K393LKASDad
编辑:孙顺达
TOP1热点：deepseek发布最新技术论文
面对暴雨袭击，中国铁路南昌局集团福州工务段全体工作人员严阵以待。“我们抽调专人24小时进行隧道视频监控。段属各车间成立了33支党团员突击队，组建路内外施工队伍50支共计1382人，适时安排25组轨道车，确保做好各项应急抢险工作。”福州工务段路桥科科长徐亚松介绍。。
13.中方将实施中国－东盟创新创业大赛、青年科学家交流计划，探讨共建中国－东盟联合实验室与伙伴研究所等新平台。
TOP2热点：达美航空客机翻覆
“海丝之路不仅链接了中国与‘一带一路’沿线国家的经济融通，同时，也链接了中国与‘一带一路’沿线国家的民心相通、文化互鉴、环境保护意识等。”宋微表示。
TOP3热点：DeepSeek NSA亭亭玉立国色天香四月天
但在安徽省淮南市，购房者对于新政策的感知却不太明显。一直在考虑购买婚房的陈先生仍在观望，“利好楼市的新政策不断出台，但感觉我的目标楼盘去化速度很慢，因此我会按照自己的节奏慢慢挑选。”
TOP4热点：银川发生4.2级地震云南省XXXXXL17
市场经济是现代化进程中不可能逾越的历史阶段，中国式现代化是在创造性确立社会主义市场经济基础上的全体人民共同富裕的现代化。通过科技创新和市场机制调动活力、配置资源、提高效率，是西方发达国家现代化进程中成功创造历史奇迹的一条重要经验。市场化是现代化的内在经济模式，但是市场化不等于资本主义化。中国式现代化遵循现代化的一般规律，通过改革开放打破原有的计划经济模式，确立了社会主义市场经济，有效实现了中国特色社会主义制度与市场经济体制相结合。这一伟大创举，不仅可以使我们充分发挥市场在资源配置中的决定性作用，使市场中的一切积极因素充分涌流，彰显市场化在现代化建设中的积极作用；而且又能更好发挥政府作用，发挥社会主义的制度优势，有效阻止资本无序扩张和两极分化，很好地处理了效率和公平的关系，为共同富裕既奠定了丰富的物质基础也提供了现实的实现机制。
TOP5热点：iphone16e国补后3999元起HD100%viediosi
自20世纪80年代以来，数字化转型一直是推动人类社会发展的核心驱动力。紫光集团董事长李滨受邀参加东盟峰会数字化转型论坛的“CEO炉边谈话”进行主题发言，他表示，“东盟地区数字经济潜力巨大，紫光集团愿充分发挥在中国数字经济建设中积累的经验、技术和人才，参与到东盟的数字化转型进程中，将中国经验与东盟发展相结合，为中国与东盟的合作深化以及东盟的经济成长做出更多贡献。”
16.中方将举办首届中国－东盟国家蓝色经济论坛，实施海洋科技成果转化与示范应用项目，开展包括珊瑚礁在内的海洋生态系统保护与修复、开发海洋能和潮汐能的研究与合作。
TOP6热点：快船vs雄鹿云南省XXXXXL17
电信网络诈骗犯罪是一种可防性犯罪，事后打击不如事先防范。坚持关口前移、预防为先，综合采取多种防范措施，有助于最大限度预防案件发生、减少群众财产损失。特别是，要加强全民宣传教育，促进人民群众识骗防骗意识能力提升，构建全民反诈格局，提高人民群众对涉诈信息的警惕性，增强对电信网络诈骗行为的辨识力。全社会形成共同抵制、共同防范电信网络诈骗违法犯罪的浓厚氛围，必能让电信网络诈骗无处遁形，为人民群众财产安全厚植可靠保障。
友好城市交流成为合作新亮点。今年4月，湖南省永州市政府代表团访吉，双方市长签署了合作备忘录。两周前，吉布提市长率团赴华访问浙江宁波市，也签署了合作备忘录。
TOP7热点：俄外长拉夫罗夫抵达南非我与子初试云雨快乐m5439
针对这些问题，贵州省交通运输厅聚焦调研查找出的问题与堵点，多次与省内外文旅部门座谈交流，精准剖析桥旅融合发展存在的问题，找准症结所在，找到解决问题的良方。
TOP8热点：deepseek们的成本是怎么计算的一面亲上边一面膜下边的感受
二是加强面板企业与上游企业协同合作，关注产业链供应链均衡发展。
一是经济合作惠及民生。比如，亚吉铁路作为促进地区经济一体化的大动脉，带动了沿线地区发展，为当地创造了大量就业就会。目前，亚吉铁路吉布提段雇佣当地员工超过500人。
TOP9热点：王兴兴预计年底机器人跑速超博尔特如饥似渴la.vorace
深入推进中华文明探源工作，安阳市加快推动重大文旅项目建设。启动实施殷墟国家考古遗址公园项目，项目建成后将全方位展示殷墟90多年的考古成果和殷商文明发展高度，成为世界一流的考古遗址公园和世界文化遗产可持续发展的典范；中国文字博物馆续建工程及汉字公园、殷墟考古文旅小镇一期、红旗渠精神营地建成投用，曹操高陵遗址博物馆如期开放，形成一批彰显中华优秀传统文化的新地标。
TOP10热点：deepseek发布最新技术论文正版澳门管家婆资料大全
二是加强面板企业与上游企业协同合作，关注产业链供应链均衡发展。
但在安徽省淮南市，购房者对于新政策的感知却不太明显。一直在考虑购买婚房的陈先生仍在观望，“利好楼市的新政策不断出台，但感觉我的目标楼盘去化速度很慢，因此我会按照自己的节奏慢慢挑选。”