小红书 dots 团队发布 VibeLifeBench 与 VibeSearchBench：七个最强模型无一及格
小红书 dots 团队推出 VibeLifeBench 与 VibeSearchBench 两个生活场景评测基准，测试中七个当前最强模型无一在正确时间点解决护照有效期等关键问题，最高分仅 0.325（Opus 5）。
来源：AI HOT 精选
阅读原文SkillAtlasAI 资讯
相关文章
Epoch AI 推出 ChatGPT usage explorer，基于5000名美国用户三年聊天记录
Epoch AI 与 YouGov 合作推出 ChatGPT usage explorer，发布5000名美国 YouGov 样本用户的 ChatGPT 聊天元数据，覆盖约66万对话、830万条消息，部分记录追溯至2022年11月发布后数周。 via AIHOT ·
物理学者 Matthew Schwartz 分享用 Claude 与 BootLoops 做跨学科计算的经验
哈佛物理学者 Matthew Schwartz 在 Anthropic 客座文章中提出寻找 Claude-shaped 问题，并开源了用于定量科学精确计算的 BootLoops 工具包。 via AIHOT ·
MIT 等机构发布 Ataraxos，以极低成本战胜顶级人类 Stratego 选手
MIT、CMU、NYU 与 Stanford 的研究人员开发出 AI 系统 Ataraxos，在隐藏信息棋盘战棋 Stratego 上大幅超越世界顶级人类选手，论文发表于 Nature。 via AIHOT ·