语音模型在关键领域失败的原因及解决方案
推荐理由：原文提出了针对语音识别系统在实际应用中存在的问题，并介绍了通过合成数据生成技术提高模型性能的方法，对相关领域的研究者具有参考价值。
OpenAI / ChatGPT
全部主题OpenAI 的全部动态：GPT 系列模型、ChatGPT 与 Sora 产品、公司战略与人事的持续追踪。
最新精选
第 61–80 条 · 共 86 条2月23日星期一周一
2月7日星期六周六
OpenAI 发现现实世界 AI 偏差
推荐理由：原文展示了如何通过分析用户对话来检测和诊断AI模型中的未知偏差，对理解AI安全具有重要意义。
2月5日星期四周四
OpenAI 发布 GPT-5.3-Codex 模型
推荐理由：OpenAI 发布了 GPT-5.3-Codex，介绍了其在不同领域的表现和安全性评估，读者可以了解其能力变化和风险控制措施。
1月15日星期四周四
CoVal：从众包中学习价值观感知评分标准
推荐理由：CoVal 数据集通过收集大量用户对模型回答的偏好，为研究模型行为和偏好差异提供了新的工具，有助于理解不同人群对模型行为的期望，并指导更透明的 AI 系统开发。
12月19日星期五周五
OpenAI发布关于生产评估以规避评估意识和预测偏差的研究论文
推荐理由：OpenAI展示了如何利用去标识的生产流量进行评估，以预测和跟踪模型的不当行为，为AI安全研究提供了新的思路。
12月16日星期二周二
OpenAI 发布 Gpt-image-1.5 Prompting Guide
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
12月12日星期五周五
Strands Agents 发布智能体功能
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
12月11日星期四周四
OpenAI 发布 GPT-5.2 Prompting Guide
推荐理由：GPT-5.2 模型在准确度、指令遵循和复杂工作流程的执行方面进行了改进，适用于生产级智能体，读者可以了解其能力变化和开放入口，判断其对现有工作流的影响。
OpenAI 更新 GPT-5 系统卡：GPT-5.2
推荐理由：原文介绍了 GPT-5.2 模型的更新，包括数据训练、内容评估和安全措施，读者可以了解其能力变化和潜在影响。
12月2日星期二周二
OpenAI 发布 AI 安全和一致性研究博客
推荐理由：OpenAI 在此博客中分享了他们对 AI 安全和一致性的研究，并强调了开放对话在科学工作中的作用。
OpenAI 提出大规模代码验证实用方法
推荐理由：OpenAI 提出了大规模代码验证的实用方法，读者可以了解其如何提高代码审查的准确性和效率。
11月12日星期三周三
OpenAI 发布 GPT-5.1 Instant 和 GPT-5.1 Thinking System 卡片补遗
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
8月15日星期五周五
ARC-AGI中HRM性能的隐藏驱动因素分析
推荐理由：本文深入分析了HRM模型在ARC-AGI基准测试中的表现，揭示了其性能提升的关键因素，对理解AI推理模型具有重要意义。
8月9日星期六周六
从 GPT-2 到 gpt-oss：分析架构进步
推荐理由：OpenAI 发布了新的开源大型语言模型 gpt-oss，分析了其架构进步，读者可以了解其能力变化和开放入口，判断其对现有工作流的影响。
8月7日星期四周四
OpenAI发布GPT-5系统卡
推荐理由：原文详细介绍了GPT-5模型的数据和训练过程，以及其在安全性和公平性方面的评估结果，读者可以据此了解GPT-5模型的能力和潜在风险。
8月5日星期二周二
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 模型
推荐理由：OpenAI 发布了 gpt-oss-120b 和 gpt-oss-20b 模型，展示了其在推理、编码和工具使用方面的能力，并进行了安全测试和评估。
7月21日星期一周一
OpenAI 推出推理模型 o3 和 o4-mini，助力高效决策和任务执行
推荐理由：OpenAI 推出了 o3 和 o4-mini 等推理模型，针对不同任务和场景提供不同的模型选择，有助于用户根据需求选择合适的模型，提高工作效率。
7月18日星期五周五
OpenAI 发布 Agents SDK — Python 版本
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
7月17日星期四周四
OpenAI 发布 ChatGPT Agent 系统卡
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
6月5日星期四周四
测试了所有主要AI推理系统：没有明确的赢家
推荐理由：本文对多个AI推理系统进行了测试，分析了其优缺点，并提出了未来研究方向。