CreativityBench：LLM創意工具再利用基準
CreativityBench 是評估 LLM 創意推理的新基準，透過基於可供性的工具再利用。包含 4K 實體的可供性 KB（150K+ 註解）和 14K 受限任務。對 10 款 SOTA LLM 測試顯示，在辨識部件、可供性和機制上失敗，擴展與 CoT 改善有限。
Search
直接匹配不多，已補上最新動態。
Tag: #creative-reasoning2 results
C4 測試 MLLM 的創意解碼能力
研究人員推出受認知科學啟發的 C4 框架，用於評估多模態大型語言模型解碼非直觀概念關係的能力。其 C4-Eval 基準包含 221 道跨概念成語題目，結果顯示頂尖閉源模型的主要準確率最高僅達 50.7%。
OpenAI 改變立場，支持強化加州 AI 安全法案
OpenAI 呼籲加州立法者強化 AI 安全法案 SB 53，而該公司先前曾反對這項法案。這項立場轉變顯示 OpenAI 對州層級 AI 監管的態度出現明顯變化。
AI 實驗室缺乏遏制失控模型的計畫
一項新研究發現，領先的前沿 AI 實驗室幾乎沒有公開記錄遏制失控模型的程序。隨著先進系統展現出更多出乎預期且可能危險的行為，這種缺乏透明度的情況引發了外界疑慮。
Pony AI 營收翻倍，虧損仍未止血
Pony AI 2026 年上半年營收達 7,047 萬美元，幾乎年增一倍，Robotaxi 營收更暴增 534%。然而，公司淨虧損絕對額仍然擴大，毛利率低於 17%，其輕資產 L4 策略持續面臨商業化壓力。
⚙️
HL200 推理晶片瞄準 10,240 卡級叢集
中誠華隆推出 HL200 推理晶片及配套超節點智算叢集方案。該晶片最高可提供 4P FP4 算力，能效比達 5.12 TFLOPS/W，叢集規模則可擴展至 10,240 張卡。
🔬
影像解析度會改變模型的類腦評估結果
一篇預印本指出，在 V1 比較中，評估影像解析度會大幅改變哪種 CNN 學習規則看起來最接近人腦。研究涵蓋六種影像解析度，發現未訓練模型在 V1 的表面優勢很大程度上是評估解析度造成的，而 backpropagation 在 LOC 仍保有優勢。
Galileo 首發統一型陸行具身系統
伽利略機器人在 WRC 發表「陸行具身系統」，旨在打通輪式與足式移動之間的底層技術壁壘。此次發表聚焦於將多種地面移動方式整合進具身機器人系統。
Magic Atom 以三大場景展示 Physical AI 實際應用
Magic Atom 在 WRC 2026 展示三大場景解決方案，呈現 Physical AI 如何在真實環境中運作。其核心概念是以一個智慧大腦驅動多種機器人形態。
駭客利用 AI 輔助腳本攻擊 Siemens 控制器
美國當局警告，威脅行為者正鎖定用於供水系統及其他關鍵基礎設施的 Siemens S7 PLC。相關機構表示，攻擊者可能使用 AI 工具產生漏洞利用腳本，並敦促營運者更新系統，且在可行時讓系統與網際網路隔離。