OpenAI GPT-5.4
PulseAugur coverage of OpenAI GPT-5.4 — every cluster mentioning OpenAI GPT-5.4 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
大型语言模型评审与人类同行评审标准显示出不一致的吻合度
一篇新发表在arXiv上的研究调查了大型语言模型（LLM）评审与科学论文同行评审过程的吻合度。研究人员将OpenAI GPT-5.4、Google Gemini 3.1 Pro Preview和Anthropic Claude Opus 4.6生成的评审与300篇ICLR 2026投稿论文的人类评审和最终决定进行了比较。虽然所有三个大型语言模型都能区分被接受和被拒绝的论文，但没有一个能准确复制口头报告和海报展示之间的区别，这表明在更精…
-
达晓机器人发布统一具身AI模型ACE-Brain-0.5
达晓机器人发布了ACE-Brain-0.5，这是一款专为物理自主AI设计的新型统一具身基础模型。该模型将空间感知、决策规划、具身交互和自我评估整合到一个80亿参数的单一主干中。ACE-Brain-0.5旨在使机器人能够在真实环境中自主感知、规划、行动和进化，并在多项基准测试中超越现有模型。
-
Amazon Bedrock AgentCore harness现已全面可用，用于AI代理
Amazon Bedrock AgentCore harness现已全面可用，简化了AI代理的部署过程。该工具管理生产级代理所需的复杂基础设施和编排，使开发人员能够配置底层系统而不是从头构建。该工具支持各种模型，包括来自Anthropic、Meta、DeepSeek和OpenAI的模型，并提供内存、工具集成、网页浏览和实时可观察性等功能。
-
Hugging Face 将语音代理基准扩展到 3 个领域，121 个工具
Hugging Face 发布了 EVA-Bench 数据 2.0，这是一个用于评估语音代理的扩展基准。新版本将其范围扩大到三个企业领域：航空公司客户服务管理、企业 IT 服务管理和医疗保健人力资源服务交付。更新后的数据集包含 121 个工具的 213 个场景，比之前版本有了显著增加，并已针对 GPT-5.4、Gemini 3.1 Pro 和 Claude Opus 4.6 等领先模型进行了验证。
-
AI模型在复杂基准测试中接受测试；DeepSeek 4 Pro服务器熔化
一位用户正尝试对DeepSeek 4 Pro模型进行基准测试，但其服务器正经历高负载。该基准测试涉及一项复杂的逆向工程任务，旨在创建一个用于构建Apollo GraphQL哈希的工具。到目前为止，没有开源模型成功完成该基准测试，而Anthropic的Opus 4.7和OpenAI的GPT 5.5等专有模型已显示出成功。