♟ GPT-o3 победила в турнире по шахматам между нейронками!

Заруба проходила на игровой платформе Kaggle Game Arena от Google. Участвовало 8 мощнейших нейронок:

GPT-o4 mini
DeepSeek-R1
Kimi K2 Instruct
GPT-o3
Gemini 2.5 Pro
Claude Opus 4
Grok 4
Gemini 2.5 Flash


На протяжении всего турнира лидировал Grok 4 Илона Маска, но в финале против GPT-o3 он начал допускать много ошибок и был разгромлен со счетом 4-0.

Борьба за третье место была между GPT-o4 mini и Gemini 2.5 Pro, где верх взяла модель от Google.

Живая сталь на шахматной доске.

NetFixVPN - 7 Дней Бесплатно

Нейросети тут

GPT-5 официально доказал, что пока человечество может спать спокойно — ИИ всё ещё не восстанет.

NetFixVPN - 7 Дней Бесплатно

Нейросети тут

Тут для VLM придумали абсолютно проклятый бенчмарк

VLM крайне подвержены стереотипам — например, если на изображении добавить лишний палец человеку или у пумы пририсовать лишнюю ногу, модели всё равно будут отвечать, как будто бы видят оригинал, игнорируя реальные изменения в картинке. VLMBias использует отфотошопленные картинки, чтобы проверить, насколько модели реально думают об их содержании, а не просто запоминают ответ.

В среднем точность на таких отретушированных изображениях падает до 17 %. Причём ~76% ошибок совпадали с заранее заданным предвзятым ответом из знаний модели, а добавление в изображение названий брендов, вроде Adidas, делало результаты ещё хуже (а это авторы ещё не пробовали Abibas).

Чтобы выявить, когда модель полагается на заученные ассоциации вместо анализа картинки, авторы генерируют пары знакомых объектов и их слегка изменённых версий. Тестируются 7 доменов — от животных и логотипов до шахмат, флагов, оптических иллюзий и искусственно созданных паттернов.

6 из 7 категорий генерируются и модифицируются автоматически, а человек только проверяет результаты. Для редактирования обычных изображений используют Gemini Flash и GPT Image Generation, а для SVG — o4-mini. Похожий пайплайн можно легко использовать для генерации adversarial синтетических данных, чтобы натренировать LLM реально смотреть на картинки, а не прибегать к стереотипам.

NetFixVPN - 7 Дней Бесплатно

Нейросети тут

Самый умный ИИ рассказал, что такое ЛЮБОВЬ. 💖

GPT-5 выдал новое определение романтики и составил чек-лист, чтобы отличить серьёзные чувства от мимолётной влюблённости.

По мнению нейросети,

зрелая любовь — это не яркий салют, а тёплый камин, у которого хочется сидеть всю жизнь.

🔥

NetFixVPN - 7 Дней Бесплатно

Нейросети тут