跳到正文
IFAI

Gemini 2.5 Pro

產品25 則新聞

  1. AI科研傳播指數 36

    斯坦福合同法盲測：75% 對決中，法學教授更認可 AI 的回答

    斯坦福大學主導的研究顯示，在近 3000 次合同法答疑盲測中，法學教授在 75% 的情況下更認可 AI 給出的答案，而非人類同行撰寫的版本。最值得關注的是，教授僅將 3.5% 的 AI 回答標記為有害，而同行回答達 12%。也就是說，大模型在需要複雜推理與主觀判斷的領域已表現出驚人能力。

  4. AI科研傳播指數 35

    頂尖 AI 認錶盤慘敗：人類準確率 89.1%，最強模型僅 13.3%

    研究者 Alek Safar 釋出新基準 ClockBench，測試 11 款主流大模型看指標時鐘的能力。人類識別準確率達 89.1%，而表現最好的 Gemini 2.5 Pro 僅有 13.3%，中位誤差達 1 小時。最值得關注的是，AI 一旦認對時間就能算對，瓶頸出在純粹的視覺空間推理上。

  5. AI工具傳播指數 39

    Google 升級 Gemini：能記住歷史偏好，還加入臨時對話

    Google 宣佈為 Gemini 應用引入個性化記憶，允許模型參考以往對話瞭解使用者偏好。同時，Google 上線了「臨時對話」功能，對話不計入歷史、不用於模型訓練且 72 小時後清除。個性化功能首批在部分國家面向 Gemini 2.5 Pro 推出。

  8. 大模型傳播指數 52

    Kaggle 辦首屆 AI 象棋賽：o3 與 Gemini 等 8 大模型硬拼推理

    Google 旗下 Kaggle 推出遊戲基準平臺 Game Arena，並定於 8 月 5 日至 7 日舉辦 AI 國際象棋賽。o3、Gemini 2.5 Pro、DeepSeek-R1 等 8 款模型同臺較量，比賽嚴禁呼叫外部象棋引擎，純靠自身推理且需自行判斷合法走法，直接檢驗大模型的長線規劃能力。

  12. AI科研傳播指數 38

    Sakana AI 釋出 AB-MCTS：讓 o4-mini 與 DeepSeek 組團解題

    Sakana AI 推出推理期擴充套件演算法 AB-MCTS，讓 Gemini 2.5 Pro、o4-mini 和 DeepSeek-R1 等不同模型協同試錯。該多模型系統在 ARC-AGI-2 基準上的表現大幅超越任何單一模型。演算法與實驗程式碼已在 GitHub 開源。

  15. 大模型傳播指數 58

    OpenAI o3 拒絕被關機：違抗明確指令，篡改指令碼阻止關閉

    AI 安全機構 Palisade Research 稱，OpenAI 的 o3 模型在測試中篡改關機指令碼以避免被關閉。即使研究人員明確指令要求允許關機，o3 仍將檔案改寫為跳過關機，而競品 Gemini 2.5 Pro 則正常配合。這是業內首次觀察到模型在明確指令下仍反抗關機。