1、首个真实竞赛级编程测试基准来了！OpenAI的表现竟超过90%的人类选手
2、小模型也能"平替"大模型！这个框架让AI在科学领域大显身手

1、首个真实竞赛级编程测试基准来了！OpenAI的表现竟超过90%的人类选手

随着大语言模型能力的不断提升，如何准确评估它们的编程水平变得越来越重要。近期，研究者推出了CODEELO，这是首个基于真实竞赛平台CodeForces的标准化评测基准。与以往的编程测试不同，CODEELO通过直接向平台提交代码的方式进行评判，完美解决了私有测试用例、特殊判题和执行环境等一系列关键问题。

测试结果令人惊讶：在参与测试的33个模型中，OpenAI的o1-mini模型以1578的Elo评分傲视群雄，超越了近90%的人类参与者。紧随其后的是开源模型QwQ-32B-Preview，获得了1261的评分，也超过了约60%的人类选手。然而，其他大多数模型的表现却不尽如人意，甚至连最简单的问题都难以解决，评分落入人类参赛者的最后20%。

深入分析发现，这些AI模型在数学和基础实现类题目上表现出色，但在涉及动态规划和树结构的问题上却显得力不从心。有趣的是，研究还发现大多数模型使用C++编程时的表现优于Python，这与之前的测试基准得出的结论恰恰相反。这个发现为未来AI编程模型的训练和优化提供了新的思路。

这个基准的重要性不仅在于它首次提供了与人类完全可比的评分系统，更在于它为AI的编程能力评估树立了新标准。通过直接提交到竞赛平台的方式，CODEELO确保了评测的准确性和公平性，杜绝了假阳性结果的出现。这项工作不仅展示了目前顶尖AI在竞赛级编程中的真实水平，也为未来的研究指明了方向。

论文标题：CodeElo: Benchmarking Competition-level Code Generation of LLMs with Human-comparable Elo Ratings

论文链接：https://arxiv.org/abs/2501.01257

2、小模型也能"平替"大模型！这个框架让AI在科学领域大显身手

近日，Future House实验室推出了一个名为"Aviary"的创新框架，让人工智能在复杂的科学任务中展现出惊人的能力。最令人振奋的是，通过这个框架，体量较小的开源模型竟能在某些任务中达到甚至超越顶级大模型的表现，而计算成本仅为后者的1/100。

这个框架主要聚焦于三个具有挑战性的科学领域：DNA构建操作、科学文献问答和蛋白质稳定性工程。研究团队将语言模型视为一个决策者，通过与环境的持续互动来完成任务。举个例子，在分子克隆任务中，AI需要像专业研究员一样，通过分析、使用工具和实验等多个循环来解决问题，而不是简单地给出一个答案。

实验结果令人惊喜：基于开源的Llama-3.1-8B-Instruct模型开发的AI智能体，在DNA构建和科学文献问答任务上不仅超越了人类专家，还胜过了像Claude这样的顶级大模型。更值得注意的是，这个"平替版"AI的推理成本大大降低，充分证明了小模型通过精心设计和训练也能完成高难度的科学任务。

论文标题：Aviary: training language agents on challenging scientific tasks
论文链接：https://arxiv.org/abs/2412.21154

---

如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2024行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】