欧亚尺码专线欧洲b1b1一件比OpenAI发布deep research更欧亚尺码专线欧洲b1b1值得关注的事情_ZAKER新闻
一件比OpenAI发布deep research更欧亚尺码专线欧洲b1b1值得关注的事情_ZAKER新闻
"大震惊，看来TRIX金叉就是这只股票的财富密码。”
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:冷德友
TOP1热点：四川宜宾市筠连县山体滑坡已致 30 余人失联，目前当地救援进展如何？山体滑坡原因是什么？
NATIONALELECH(00213)发布公告，该公司于2023年8月23日斥资约4.48万港元回购5.6万股，回购价为每股0.8港元。。
报告期末，本集团资本充足率15.33%，一级资本充足率12.92%，核心一级资本充足率12.90%，持续高于国家金融监督管理总局规定的资本要求，资本缓冲较为充足。
TOP2热点：多地网友分享可刷医保买华为手表，已有地区被暂时喊停，国家医保局回应具体要看当地政策，如何看待此事？
根据证监会的《行政处罚事先告知书》显示，泉为科技2019年年度报告、2020年半年度报告存在虚假记载，合计虚增收入近9亿元。如此巨大的虚构金额如何实现？据证监会调查，虚假记载主要涉及泉为科技的二甲苯贸易业务，证监局也列出异常供应商和客户名单。
TOP3热点：既然化肥污染环境为什么还要推广？中国用了几千年的粪肥不香吗？linode成熟iphone
答：从公司管控的指挥棒上来讲，提高施工业务的毛利率一直是努力的目标，公司也一直要求施工业务提高软件和智能硬件的附加值，既要在软、硬件的比例上进行管控，还要求硬件本身也要有一定的利润。今年上半年，施工业务的收入是下降的，但是有些固定成本仍在发生，因此毛利率出现下滑。我们会加强施工业务整体管控的力度，严控成本费用；缩短施工业务的交付周期、提升交付效率；提高软件比例和价值，提升硬件供应链管理水平；推出以数据驱动为主、发挥数据价值的数据决策类产品，产品附加值较高。未来公司希望施工业务的毛利率能保持在60%左右的水平。从整体策略角度，就是抓大放小，特一级企业、大型央国企、大型民企是重点客户。施工产品考虑的是为客户提供系统性的解决方案，不是一个个产品去堆砌，而是从平台到应用、从企业级到项目级到岗位级的一体化、系统性的解决方案。目前公司在组织结构上，也正是以客户为中心，通过“平台+组件”以及联合生态伙伴的方式，满足大客户的标准化和个性化需求，为客户提供完整性、全面性和系统性的解决方案。从施工产品角度，后边将重点推出以数据驱动决策为主、真正发挥数据价值的决策分析类产品，这类产品的价值会非常高。另外基建作为公司未来的重要战场，公司会加大向基建客户拓展，发力基建产品，重点主打基建设计、算量、施工一体化应用。
2023年二季度，泰信基金公募规模增长了115.37亿元，货币基金的增长成为了主力。2023年二季度，公司货币基金规模比一季度增长了94.23亿元。
TOP4热点：多地网友分享可刷医保买华为手表，已有地区被暂时喊停，国家医保局回应具体要看当地政策，如何看待此事？交换的日子2
据《财经》梳理，7月1日-8月10日，沪深交易所新增受理的IPO数量为零，北交所在7月24日受理了河南金苑种业股份有限公司（简称“金苑种业”）上市申请。
TOP5热点：孔子为什么姓「子」？那又为什么叫他「孔子」呢？刻晴大战史莱姆隐藏网站
【ETF全知道热点收评】今日重点聊聊港股互联网、医疗和地产等3个板块主题的交易和基本面情况。
TOP6热点：浓眉独行侠首秀，砍 26 分 16 篮板 7 助攻，带队 116-105 击败火箭，如何评价这场比赛？用你的舌头搅拌我的舌头是什么歌
“经济再度萎缩看上去已是不可避免，制造业下滑越来越严重，加上服务业春季的复苏进一步失速，”标普全球市场财智的首席商业经济学家ChrisWilliamson表示。
华凯易佰称，目前公司销售仍集中在亚马逊，占比在80%以上，其他电商平台占比均没有超过5%。报告期内,除亚马逊以外，沃尔玛、美客多、波兰Allergo等平台也实现了较快的增长。
TOP7热点：调研发现农村孩子抑郁风险或高于平均水平，心理教师却被指责「你们没来前什么问题都没有」，说明哪些问题？皇后1V3
净亏损为2.791亿元，与2022年同期的净亏损4.870亿元相比收窄42.7%。
根据统计，大洋电机2023年3月31日至2023年6月30日，主力资金净流出1.91亿元，游资资金净流入2829.22万元，散户资金净流入1.63亿元。
TOP8热点：2025WTT 新加坡大满贯男单半决赛，梁靖崑 4:3 淘汰王楚钦，如何评价这场比赛？两人发挥如何？旅行换配偶
从财政支出各项来看，1月-7月，同比增长的开支包括以下领域：教育（4.7%）、科学技术（0.1%）、卫生健康（5.8%）、节能环保（0.1%）、农林水（2.6%）、债务付息（4.5%）。社会保障和就业支出24414亿元，同比增长7.3%。此外，文化旅游体育与传媒、城乡社区支出、交通运输支出均同比下降。交通运输支出下降6.8%。
“不可能所有的企业都是科技企业，还有一些非科技类的，衣食住行等产业的企业，是不是把IPO的这种资源都聚集在科技企业？那可能也不完全是。”上述人士提到。
TOP9热点：报道称特朗普将在下周宣布实施「对等关税」措施，适用于所有国家，具体情况如何？将产生哪些影响？女人与公驹交酡全过程
其中，2022年因搬迁配套设施自南京经济技术开发区管理委员会获得一笔一次性奖励1193万元，占比总收入的86.5%。由于自身并无“造血”能力，且需持续投入研发，公司持续亏损，截至2023年3月31日已累计亏损2.11亿元。这也导致公司的现金流表现为持续净流出，截至报告期末，公司现金及现金等价物仅有17.5万元。
按照露露南方公司的说法，其拥有露露商标的长期使用权，而承德露露却认为，露露南方公司是在非法使用无形资产。
TOP10热点：目前来说哈兰德还存在什么不足？成全视频在线观看免费高清
NATIONALELECH(00213)发布公告，该公司于2023年8月23日斥资约4.48万港元回购5.6万股，回购价为每股0.8港元。