在国际格局动荡之际，朝鲜睽违五年再度召开劳动党全国代表大会。这场象征权力核心运作的会议，将为未来五年的经济与核武政策定调，也被视为金正恩进一步巩固领导地位的重要时刻。从对俄中关系与对美立场，到地方发展与“两个国家路线”的推进，再到金主爱的权力走向，本 ...

为了打破这种「高分幻觉」，来自北京航空航天大学的研究团队提出了一种全新的基准构建哲学 —— 双重扩展（Dual Scaling），并基于此构建了端到端的自动化框架 ...

ARC-AGI-2提升的最恐怖，从前一代的31.1% 到这一代的77.1%。 这里稍微补充一下有关这个Benchmark， 它其实非常考验模型对于抽象知识的推理。每道题给模型若干个示例，模型要从这些示例里归纳找出隐含的规则，然后对新的测试输入，进行回答。 Terminal Bench 2.0的分数也从56.9%提升到了68.5% ，超过了Opus 4.6。 BrowseComp的提升幅度也十分吓人 ...