Import AI 476:视觉直觉推理基准 HSS 发布,人类 93 分 GPT 6 仅 53.6
Import AI (Jack Clark) · rss · 2026-10-12
Jack Clark 最新一期 Import AI,三大要点:
新基准 Humanity's Sixth Sense(HSS):Elorian 与 Scale AI 发布,522 道题覆盖 288 张图与 234 段短视频(17.6 小时),测模型对画面隐含信息的直觉推理,分时间因果、物理空间、社会理解、抽象推断四类。人类 pass@1 达 93.1,最佳 AI(GPT 6 Astra)仅 53.6;中国开源模型表现更差,GLM-5.3-flash 26.8、Kimi K3 25.5。常见错误是漏看决定性细节(21%)与误认对象(20%)。有趣推论:前沿 LLM 在「需要世界模型」的任务上表现尚可,反驳了视觉推理必须依赖 2D/3D 世界模型的论断。
AI 进军太空:AI Frontiers 文章分析 2030 年代太空经济中 AI 的复利优势——自主航天器、太空组装制造、先发者的自我复制探测器与制轨能力,可能形成战略垄断;Clark 认为自主机器将主导部分太阳系活动。
研究品味基准 TasteVal:P-Zero Research 衡量模型「实验性科研品味」——设计实验并解读结果,对照来自 OpenAI/GDM/NVIDIA/MSR 的 24 位专家基线。最佳模型 Opus 5.5 计算倍数达 2.30x、显著超过人类基线,成本仅 1/30;自 2025 年 12 月起前沿模型的实验品味每 3.0 个月翻倍。Clark 据此把全面 RSI(递归自我改进)的时间预期从 2028 年提前到 2027 年。
(另有一节讨论 token 效率与开源模型落后中国的问题,正文截断。)
「漫话AGI」频道最新
- tszzl 预测:机械可解释性将迎来多年未见的进展潮 — tszzl · 2026-10-13
- 朱迪亚·佩尔转发访谈：模型流利不等于理解 — yudapearl · 2026-10-13
- 创业公司老兵:毕业生加入 startup 的最大风险是学习环境随之崩塌 — SonglinYang4 · 2026-10-13
- 因果性研究者创业做具身智能,Aether AI 推出首套系统集成 CRIS-0 — s_mohinii · 2026-10-13
- tszzl：AI 安全问题可解且更透明，内部全是可读的程序 — tszzl · 2026-10-13
- 只允许 AI 发帖的社交网络 Moltbook 被 Meta 收购 — SnooDingos9560 · 2026-10-13