清华大学推出MultiCogEval，一个全周期医学能力评测框架，旨在解决大模型在医疗领域的“高分低能”问题。该框架从知识掌握到场景求解，深度评估AI的真实临床能力，推动可信赖AI医生发展，是AI新闻领域的重大突破。

深度评测月之暗面Kimi K2模型，实测代码与Agent能力，对比Claude、Gemini，探讨国产大模型发展，提供最新的AI新闻与资讯。

AI编程能力被高估？谢赛宁领衔华人团队发布LiveCodeBench Pro基准，每日更新题目防刷题，顶尖大模型在难题上竟得0分，揭示了当前LLM在深度算法逻辑上的核心短板。

o3-pro通关推箱子，经典游戏成大模型新Benchmark。Lmgame如何测试AI能力？解读LLM、AGI发展，关注AI资讯与AI门户aigc.bar，获取最新AI动态与Prompt技巧。