首页 > 快讯 > 国内团队书写新篇章!在“人类最终挑战”中首破30分记录,AI竞赛热度攀升!

国内团队书写新篇章!在“人类最终挑战”中首破30分记录,AI竞赛热度攀升!

发布时间:2025-07-09 18:21:02 | 责任编辑:吴昊 | 浏览量:8 次

在全球人工智能竞争日益激烈的背景下,上海交通大学与深势科技团队联手,成功在被称为 “人类最后的考试”(HLE)中取得了32.1分的惊人成绩,首次突破30分大关。这一测试集以其超高难度而闻名,曾经没有模型得分能超过10分,甚至在最近,最高得分也仅有26.9分,由 Kimi-Research 和 Gemini Deep Research 并列创造。
这项研究推出了名为 X-Master 的工具增强型推理智能体,以及多智能体工作流系统 X-Masters。这套方案不仅在技术上表现出色,团队还将其开源,进一步推动 AI 领域的合作与发展。
X-Master 的核心理念在于模拟人类研究者解决问题的动态过程,能够在内部推理与外部工具之间无缝切换。当遇到无法解决的问题时,X-Master 会将行动计划编写成代码,通过各种工具(如 NumPy 和 SciPy)执行这些代码,并将结果整合回智能体的知识体系中。这一过程形成了一个高效的反馈循环,使得智能体不断优化推理过程。
X-Masters 的设计则更为复杂,采用分散 - 堆叠式的智能体工作流,能够提升推理的广度和深度。在分散阶段,多个求解器并行工作,生成不同的解决方案,同时由批评者智能体对方案进行评估与改进。接下来,重写器智能体将所有输出汇总成更优方案,最终由选择器智能体选出最佳答案。
在这项测试中,X-Masters 在生物学 / 医学类别的表现也格外突出,超越了现有的智能体系统,显示出其在复杂问题上的强大能力。
“人类最后的考试” 由 AI 安全中心与 Scale AI 于今年初发起,旨在评估 AI 系统的智能水平,题目来自500多家机构的1000多名学者,难度相当高。

国内团队书写新篇章!在“人类最终挑战”中首破30分记录,AI竞赛热度攀升!

近日,国内团队在上海交通大学和深势科技的联合研究中取得了重大突破,在“人类最后的考试”(Humanity’s Last Exam,HLE)上首次得分突破30分,达到了32.1分。这一成绩刷新了该测试的历史记录,此前的最高分是26.9分。

研究成果

该团队推出了工具增强推理智能体X-Master和多智能体工作流系统X-Masters,并将这一方案开源。X-Masters通过分散探索和堆叠选择的方式,显著提升了推理的广度和深度。具体来说:

  • 工具增强推理使基线准确率提高了3.4%;

  • 迭代优化(批评者和重写器)又增加了9.5%;

  • 最终选择(选择器)实现了32.1%的纪录成绩。

测试背景

“人类最后的考试”由AI安全中心和Scale AI发起,于今年年初发布。该测试集题目来自500多家机构的1000多名学者,涵盖数理化、生物医药、工程和社会科学等多种学科,难度极高。此前,包括OpenAI的o1模型在内的众多AI系统,得分均未超过10%。

影响与意义

这一突破不仅展示了国内团队在AI领域的强大实力,也标志着AI竞争进入了一个新的阶段。该成果表明,通过创新的架构和方法,AI系统能够在极其复杂的任务中取得显著进步,为未来AI的发展提供了新的思路和方向。

©️版权声明:
本网站(https://aigc.izzi.cn)刊载的所有内容,包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏,以及其他非商业性或非盈利性用途,但同时应遵守著作权法及其他相关法律的规定,不得侵犯本网站及相关权利人的合法权利。除此以外,将本网站任何内容或服务用于其他用途时,须征得本网站及相关权利人的书面许可,并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容,请及时通知本站,予以删除。

最新Ai信息

最新Ai工具

发表回复