上海交通大学与DeepEffect Technology在“最后人类考试”中取得突破性进展
在全球人工智能（AI）竞争日益激烈的背景下，上海交通大学和DeepEffect Technology团队合作开发的AI系统，在“最后人类考试”（Human-Level Exam, HLE）中取得了惊人的32.1分，首次突破30分大关。这一成就标志着AI在复杂问题解决能力上的重大飞跃。
测试背景与难度
- 测试名称：HLE由人工智能安全中心和Scale AI于2025年初推出，旨在评估AI系统的智能水平，题目来自500多所机构和1000多名学者，难度极高。
- 历史分数：此前，没有AI模型能超过10分；近期最高分仅为26.9分，由Kimi研究和Gemini深度研究共同达成。HLE以其高难度著称，被视为AI能力的“终极测试”。
系统核心：X-Master与X-Masters
该团队提出了X-Master工具和X-Masters多代理工作流系统，这一解决方案已在技术上公开，推动了AI领域的合作与发展。
- X-Master核心哲学：模拟人类研究员解决问题的动态过程，能在内部推理和外部工具（如NumPy和SciPy）之间无缝切换。当遇到无法解决的难题时，X-Master通过编写代码行动计划、执行工具任务并整合结果到知识系统，形成一个高效的反馈循环，持续优化推理过程。
- X-Masters工作流设计：采用分布式-堆叠代理架构，提升推理的广度和深度：
- 分布阶段：多个求解器并行工作，生成不同解决方案。
- 批判代理：评估和改进方案。
- 重写代理：综合所有输出为更优解决方案。
- 选择代理：最终选择最佳响应。
表现与优势
在本次测试中，X-Masters在生物学和医学类别表现尤为突出，超越了现有代理系统，展示了其在解决复杂问题（如科学推理）上的强大能力。
深度分析：数字进步的意义
从历史最高分26.9分到本次32.1分的提升（增长约19.3%），不仅首次突破30分门槛，还凸显了AI在模拟人类理性推理方面的显著进步。这一飞跃表明：
- 技术突破：X-Masters的分布式工作流机制有效扩展了AI的决策广度和深度，尤其在专业领域（如生物医学）显示出应用潜力。
- 行业影响：分数从低于10分到突破30分，仅用了不到一年时间，反映出AI研发的加速趋势。这一进步可能推动AI在教育和科研等领域的实际应用，但需警惕过度依赖AI带来的伦理风险。
