AI动态汇总：AI模型通过标准图灵测试，智谱发布AIAgentAutoGLM沉思.pdfVIP

目录

1AI重点要闻4

1.1AI模型通过标准图灵测试4

1.2智谱发布AIAgent：AutoGLM沉思7

1.3DeepSeek发布百宝箱项目AwesomeDeepSeekIntegrations8

1.4亚马逊推出AI智能体NovaAct10

2企业动态11

2.1百度端到端语音语言大模型发布11

2.2OpenAIo3模型运行成本估算大幅上调11

2.3飞桨新一代框架3.0正式发布12

2.4Runway发布AI视频生成模型Gen-413

3AI行业洞察14

3.1OpenAI宣布完成400亿美元超大规模融资，估值达3000亿美元14

3.2国家天文台基于通义千问打造国际首个太阳大模型“金乌”15

4技术前沿15

4.1美国奥赛题挑战AI数学能力，顶级模型得分不足5%15

4.2UQABench：用于评估embedding提示LLM进行个性化问答的基准17

5风险提示19

请务必阅读正文之后的免责条款部分2

图表目录

图表1：LLMs图灵实验结果4

图表2：图灵测试5

图表3：实验结果6

图表4：AutoGLM沉思7

图表5：AwesomeDeepSeekIntegrations应用程序9

图表6：AIAgent框架9

图表7：NovaAct模型对比10

图表8：百度端到端语音语言大模型11

图表9：ARC-AGI测评12

图表10：飞桨3.0架构13

图表11：金乌模型15

图表12：LLMs美国奥赛题论文16

图表13：MathArena测评16

图表14：UQABench论文17

图表15：SRsVS.GRs18

请务必阅读正文之后的免责条款部分3

1AI重点要闻

1.1AI模型通过标准图灵测试

3月31日，加州大学圣地亚哥分校的研究团队发布论文声称首次提供了“人

工智能系统能够通过标准三方图灵测试的实证证据”。图灵测试由英国数学家和

计算机科学家阿兰・图灵于1950年提出，他称之为“模仿游戏”。图灵设想，如

果一名提问者在通过文本交流时无法区分对方是机器还是人类，那么这个机器可

能具备类似人类的智能。在三方图灵测试中，提问者需与一名人类和一台机器进

行对话，并准确辨识出人类身份。

在实验中，GPT-4.5以73%的比率被认作人类，显著超越真实人类参与者；

LLaMa-3.1-405B获得56%的识别率，与人类无显著差异。基线模型（ELIZA和GPT-

4o）成功率显著低于随机概率（分别为23%和21%）。

图表1：LLMs图灵实验结果

资料来源：LargeLanguageModelsPasstheTuringTest，中邮证券研究所

请务必阅读正文之后的免责条款部分4

以下为图灵测试的界面，绿色对话框为裁判，灰色对话框为被测试者，顶部计