國內團隊創造歷史！“人類最後的考試” 首次得分突破30分，AI競爭再升級！

在全球人工智能競爭日益激烈的背景下，上海交通大學與深勢科技團隊聯手，成功在被稱爲 “人類最後的考試”（HLE）中取得了32.1分的驚人成績，首次突破30分大關。這一測試集以其超高難度而聞名，曾經沒有模型得分能超過10分，甚至在最近，最高得分也僅有26.9分，由 Kimi-Research 和 Gemini Deep Research 並列創造。

這項研究推出了名爲 X-Master 的工具增強型推理智能體，以及多智能體工作流系統 X-Masters。這套方案不僅在技術上表現出色，團隊還將其開源，進一步推動 AI 領域的合作與發展。

X-Master 的核心理念在於模擬人類研究者解決問題的動態過程，能夠在內部推理與外部工具之間無縫切換。當遇到無法解決的問題時，X-Master 會將行動計劃編寫成代碼，通過各種工具（如 NumPy 和 SciPy）執行這些代碼，並將結果整合回智能體的知識體系中。這一過程形成了一個高效的反饋循環，使得智能體不斷優化推理過程。

X-Masters 的設計則更爲複雜，採用分散 - 堆疊式的智能體工作流，能夠提升推理的廣度和深度。在分散階段，多個求解器並行工作，生成不同的解決方案，同時由批評者智能體對方案進行評估與改進。接下來，重寫器智能體將所有輸出彙總成更優方案，最終由選擇器智能體選出最佳答案。

在這項測試中，X-Masters 在生物學 / 醫學類別的表現也格外突出，超越了現有的智能體系統，顯示出其在複雜問題上的強大能力。

“人類最後的考試” 由 AI 安全中心與 Scale AI 於今年初發起，旨在評估 AI 系統的智能水平，題目來自500多家機構的1000多名學者，難度相當高。