近日，一篇题为《排行榜幻觉》的论文指出，大模型竞技场Chatbot Arena存在系统性问题。研究发现，Meta在Llama4发布前私下测试了27个版本，最终只公布最佳成绩，且少数大厂享有数据访问优势。此外，竞技场数据可显著提升模型性能，最高可达112%，但205个模型被静默弃用，远超官方公布的47个。研究团队建议改进规则以提高公平性。对此，Lmarena.ai回应称，排行榜反映真实用户偏好，但承认存在测试偏差。论文由多家学术机构及Cohere团队联合发布，呼吁不应仅依赖单一榜单评价模型。此争议引发行业反思，有人推荐OpenRouter作为替代方案。

4月29日，甘肃临夏一位新娘因超高颜值在网络上走红，引发热议。部分网友质疑其是否使用了‘AI换脸’或整容。对此，拍摄者回应称，新娘来自美女众多的家庭，家族女性外貌出众。新娘平时习惯素颜生活，更重视内在修养。新娘的独特魅力再次成为网络焦点。

标题：一场马拉松扒光了中国机器人的底裤？ 前几个月还在春晚转手帕，现在人形机器人都已经上道跑马拉松了，这个周末真是魔幻。 想象中这应该很炫酷，校运会上演赛博坦大战；实际看直播却发现很抽象：有的跑一半脑袋飞了，有的一开始就瘫倒，有的看似人形，一上赛道就想躺平。 甚至有个带翅膀的，一启动就被甩飞，显然不...

今日，国产AI创业公司“蝴蝶效应”发布了AI Agent产品Manus，可自主完成多种任务，引发广泛关注。Manus官网因访问量暴增一度宕机，邀请码在二手市场以5万元价格流通。然而，Manus在少数用户体验前即爆火，引发质疑。记者探访了Manus位于武汉的总部，发现团队正超负荷运转。Manus由北京、武汉两地团队合作打造，目前处于内测阶段，未开放付费获取邀请码。AI领域的VC投资人认为Manus技术门槛有待验证，资深互联网产品人士指出其核心能力在于用户需求洞察。Manus爆火可能是一次预期先行的体现，未来可能面临激烈竞争。

"最强开源模型"Reflection遭质疑造假，官方成绩与第三方测试结果出入巨大，甚至被指套用Claude模型。创业团队CEO已公开致歉，但否认造假，表示正调查原因。英伟达科学家Jim Fan指出，当前的基准测试已不足以验证模型的真实性能，建议转向独立第三方评估或用户投票的榜单作为参考。此事件凸显了...

近日，AI技术遭遇一波质疑与挑战。美国普渡大学研究发现，ChatGPT在代码问题上的答案错误率高达52%，且77%的回答过长。谷歌的AI搜索产品“AI Overview”因给出错误建议，如“披萨上抹胶水”等，受到广泛批评。同时，Adept、Humane、Stability AI等AI独角兽纷纷寻求被收购，行业洗牌迹象明显。国内大模型市场如阿里云、百度等掀起价格战，引发对泡沫破裂和盈利前景的讨论。尽管如此，AI技术的重要性仍被看好，预计生成式AI支出将持续增长，基础设施建设将是早期焦点。专家认为，AI技术影响深远，经过市场筛选后的公司将迎来发展机遇。