量子位
·
DeepSeek-R1超级外挂！“人类最后的考试”首次突破30分，上海交大等开源方案碾压OpenAI、谷歌
💡
原文中文，约4000字，阅读约需10分钟。
📝
内容提要
上海交大与深势科技团队在“人类最后的考试”中取得32.1分，创下新纪录，超越OpenAI和谷歌。研究推出的X-Master和X-Masters通过工具增强推理，显著提升智能体表现，展示了国内团队在AI领域的实力。
🎯
关键要点
- 上海交大与深势科技团队在“人类最后的考试”中取得32.1分，创下新纪录。
- 该测试集被认为是超难的，之前无模型得分超过10分。
- 研究推出的工具增强推理智能体X-Master和多智能体工作流系统X-Masters显著提升了智能体表现。
- X-Master通过模拟人类研究者的动态问题解决过程，形成共生循环。
- X-Masters采用分散-堆叠式智能体工作流，增强推理的广度和深度。
- 实验显示，X-Masters在HLE上得分超过30%，是首个达到此成绩的系统。
- X-Masters在生物学/医学类别中表现优于现有系统，显示其在复杂问题上的能力。
- “人类最后的考试”由AI安全中心和Scale AI发起，题目涵盖多个学科，难度极高。
❓
延伸问答
上海交大与深势科技团队在“人类最后的考试”中取得了什么成绩？
他们在“人类最后的考试”中取得了32.1分，创下新纪录。
什么是“人类最后的考试”？
“人类最后的考试”是由AI安全中心和Scale AI发起的超难测试集，涵盖多个学科，旨在评估AI模型的推理能力。
X-Master和X-Masters的主要功能是什么？
X-Master是工具增强型推理智能体，X-Masters是多智能体工作流系统，旨在提升推理的广度和深度。
X-Masters在生物学/医学类别中的表现如何？
X-Masters在生物学/医学类别中得分为27.6%，优于现有系统Biomni和STELLA。
X-Master是如何提升推理能力的？
X-Master通过模拟人类研究者的动态问题解决过程，形成共生循环，增强推理能力。
“人类最后的考试”中题目的来源是什么？
题目来自500多家机构的1000多名学者，涵盖多个学科，经过大模型和人工的双重审查。
➡️
