AI圈报
论文研究普通

Artificial Analysis 发布 Decision Index v1.0

信息来源：Artificial Analysis 完整文章（网页）·
原始标题：Artificial Analysis Decision Index v1.0

内容摘要

Artificial Analysis 推出 Decision Index v1.0，用于衡量决策模型的表现。该指数同时考察决策模型的成本与时间效率，并指出决策模型存在过度自信问题。文章还对比了决策模型与 LLM 的差异，以及模型"知道何时不该回答"的能力。
内容分类AI 论文与研究
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源Artificial Analysis 完整文章（网页）
站内情报编号intel-ba73fe8fe2872856e3c1cefa
阅读原始信息 ↗查看数据来源更多论文研究

相关推荐

综合分类、实体标签与信息来源匹配

论文研究精选
Artificial Analysis 评测 GPT-6 Sol 和 Luna：价格减半但各项表现有升有降
Artificial Analysis 评测 OpenAI 的 GPT-6 Sol 和 Luna，两模型价格较 GPT-5.6 约减半，Sol 定价 $2/$10、Luna $0.10/$0.50 每百万输入/输出 token。
信息来源：Artificial Analysis 完整文章（网页） · OpenAI / GPT
论文研究普通
Artificial Analysis 发布 AA-3D：评测 AI 模型构建交互式 3D 体验的基准
Artificial Analysis 推出 AA-3D v1.0，用于评测 AI 模型构建交互式 3D 体验的能力，并同步上线排行榜。该基准覆盖场景构建、单场景成本等维度，后续将随新模型发布持续更新榜单。
信息来源：Artificial Analysis 完整文章（网页）
论文研究普通
Artificial Analysis 发布 FrontierCode 1.1 编程评测：Claude Opus 5.5 以 52% 得分居首，领先模型失败率仍超 40%
Artificial Analysis 独立运行 Cognition 的 FrontierCode 1.1 Main 编程评测，用统一的 Stirrup agent harness 测试 100 个真实开源仓库任务。
信息来源：Artificial Analysis 完整文章（网页） · Claude
论文研究普通
Artificial Analysis 评测蚂蚁集团金融模型 Ling-3.0-flash-Fin
蚂蚁集团发布基于 Ling-3.0-flash 的金融开源权重模型 Ling-3.0-flash-Fin，在 Artificial Analysis Intelligence Index 得 23 分，Finance & Accounting Index 得 24 分。
信息来源：Artificial Analysis 完整文章（网页）
论文研究普通
Artificial Analysis 发布 Capability Indices v1.1，强化领域调优
Artificial Analysis 将 Capability Indices 升级至 v1.1，结合 Intelligence Index v4.2 和 v4.3 的评估切片与专项评测，按领域进行更强调优。
信息来源：Artificial Analysis 完整文章（网页）
论文研究普通
Artificial Analysis 发布 Intelligence Index v4.3，引入 Terminal-Bench v4 与 AutomationBench-AA
Artificial Analysis 发布 Intelligence Index v4.3，将 Terminal-Bench 从 v2.1 升级到 v4，并用与 Zapier 合作、含 657 个私有测试任务的 AutomationBench-AA 替换 τ3-Banking。
信息来源：Artificial Analysis 完整文章（网页）
论文研究精选
AWS 提出 priming 方法，可将预训练 Transformer 改造成混合状态空间架构
AWS 团队发布论文《Priming: Hybrid state space models from pre-trained Transformers》，提出 priming 方法，复用预训练 Transformer 权重构建混合架构，将预训练成本降低逾 99%，全流程消耗不足源模型 0.5% 的 token 预算。
信息来源：Amazon Science（RSS）
论文研究精选
AlphaProof Nexus 攻克 9 个未解 Erdős 问题并经同行评审
Science 新研究显示，Google DeepMind 的 AlphaProof Nexus 独立解决了 353 个开放 Erdős 问题中的 9 个，其中 2 个悬置 56 年。
信息来源：The Decoder：AI News（RSS） · Gemini
论文研究精选
Anthropic 研究：小型 AI 模型可能接近在 IoT 设备上自主复制
Anthropic 发文评估小型模型在无数据中心条件下自主复制（ARA）的可行性，作者实验显示 9B 模型可在测试的 9 类硬件中 8 类上跑通推理，30B 及以下模型已能完成复制的多数单步。
信息来源：Anthropic：Research（发表成果 · 网页） · Claude
论文研究精选
Anthropic 强化针对蒸馏攻击的防御， reasoning token 提取量下降 10 到 100 倍
Anthropic 发布博客，介绍其针对 Claude 蒸馏攻击的新防御方法，早期证据显示这些方法使蒸馏者获取的数据减少约 90% 到 99%。
信息来源：Anthropic：Research（发表成果 · 网页） · Claude