⌘ K
… 读取采集状态 同步中...
雷

#推理

今日 0 条
10月8日周四
  1. Google Research78

    Google Research 发布研究：AI 辅助是否增强或侵蚀专业判断力？

    Google Research 发布了一项关于 AI 对专业技能影响的现场实验研究。该研究在 133 名知识产权律师中随机分配了 Google Labs 的专利写作助手工具，发现虽然 AI 在短期内提升了草稿质量，但当移除 AI 进行测试时，资深律师的独立判断力显著优于对照组，而初级律师未见明显提升，反而呈现出低分增多、卓越分未变的分布特征。

    推荐理由：基于 133 名律师的三个月现场实验，揭示了 AI 辅助下初级与资深律师在独立判断力发展上的显著分化。

10月7日周三
  1. Hugging Face Blog78

    Nemotron 通过 SFT 与 RL 在 2026 年 IOI 和 IMO 达到金牌水平

    NVIDIA Nemotron 团队基于 Nemotron 3 模型，利用 SFT、RL 及生成-验证-优化推理循环，在 2026 年 IOI 和 IMO 均达到金牌标准，IOI 得分 535.4 分，IMO 得分 30/42 分。团队在 Hugging Face 上开放了相关检查点、数据集及 NeMo-Skills 推理管道。

    推荐理由：该案例展示了将开源基础模型通过细化和推理循环适配至数学与编程竞赛前沿的完整方法，并开放了复现资源。

10月6日周二
  1. NVIDIA Blog37

    电信运营商为何基于开放模型构建 AI 战略

    NVIDIA 最新电信行业 AI 报告显示，89% 的受访电信运营商表示开放模型对其 AI 战略至关重要。Nemotron 3 Large Telco Model 提供了 300 亿参数的开源基线，支持通过 Fine-tuning 适配网络配置等场景。AT&T 和 Indosat Ooredoo Hutchison 等运营商正利用开放模型实现本地化定制与安全部署。

10月5日周一
10月2日周五
  2. Hugging Face Blog45

    Hugging Face 开源科学报告生成模型 AstaBrief 8B

    Hugging Face 开源了基于 Qwen3-8B 训练的科学报告生成模型 AstaBrief 8B，并同步发布了训练数据。该模型通过单次生成完整报告，使 Asta 平台的 Fast 模式平均生成时间从 178.5 秒缩短至 51.1 秒，速度提升约 3.5 倍。开放权重允许机构在本地基础设施上运行，以满足敏感研究数据的处理需求。

10月1日周四
  1. Google DeepMind87

    Google 发布前沿大模型 Gemini 4 Argon

    Google 发布 Gemini 4 Argon 模型，目前正通过 Fairwind Program 逐步向受信任的网络安全防御者开放。该模型定价为 $2 per million input tokens 和 $10 per million output tokens，缓存输入 token 享受 95% 折扣。

    推荐理由：Google 官方给出了新模型的核心能力参数、价格及在代码、金融与网络安全领域的测试成绩，方便读者了解前沿模型的功能边界与部署规划。

9月30日周三
  2. AWS Machine Learning Blog50

    GPT-6.1 Sol 已在 Amazon Bedrock 全面可用

    OpenAI 的 GPT-6.1 Sol 已在 Amazon Bedrock 正式全面可用，提供接近 GPT-6 Astra 的推理能力。在 DeepSWE v1.1 基准上，其性能匹配 GPT-6 Astra 但任务成本仅为其约五分之一，且比 GPT-6 Sol 高出 6.4 个百分点。用户可通过 Amazon Bedrock 控制台或 API 部署该模型，用于智能体编码与专业工作负载。

9月28日周一
9月24日周四
9月23日周三
9月22日周二
9月21日周一
9月16日周三
  2. Google Research45

    Google Research 提出 Retrieve-for-Train 框架，加速复杂 AI 搜索中的推理瓶颈

    Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，通过离线强化学习将优化后的查询分解行为编译为监督数据，蒸馏至一个 53.9M 参数的扩散检索模型。该模型在推理时通过单次非自回归生成实现高效查询扇出，避免了生成链式推理（CoT）token 带来的延迟瓶颈，无需测试时思考预算即可满足集合级搜索属性。

9月9日周三
9月3日周四
  1. Hugging Face Blog64

    使用 GRPO 微调 350M 模型以提升结构化输出能力

    使用 GRPO 微调 LFM2.5-350M 模型，在 IFStruct 基准测试中将结构化输出通过率从 22.6% 提升至 29.7%。微调基于 TRL 库实现，采用约 500 个样本和 100 步训练，可运行于免费层 GPU，主要性能提升集中在 JSON 格式和裸列表结构上。

    推荐理由：提供了一套低成本微调小型模型提升结构化输出合规性的完整方法，适合部署资源受限的场景参考复用。

  2. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Flash 及网络安全变体 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 及网络安全变体 3.8 Flash Cyber，定位为当前推理和编码能力最强的模型。Gemini 3.8 Flash 在 DeepSWE v1.1 和 HLE-Verified 等基准测试中表现优于多数前沿大模型，输入定价为每百万 token 0.75 美元，输出定价为 3.75 美元。

    推荐理由：官方明确了 Gemini 3.8 Flash 在编码与多步推理上的基准成绩，以及网络安全变体的定向开放机制，提供了具体性能对比与调用入口。

9月2日周三
  1. Hugging Face Blog38

    Hugging Face 发布 BenchMIRT，揭示 LLM 评测基准实际测量的能力维度

    Hugging Face 推出 BenchMIRT 方法，利用多维 IRT 分析 LLM 基准测试中单题与模型表现，识别驱动分数的潜在能力。该方法基于 100 个 LLM 在 16 个基准、34K 题上的结果训练，独立复现出“安全”与“通用推理”两个主导维度。分析显示 BBQ 和 WMDP 等基准更强烈关联通用推理而非设计初衷，解释了分数构成的复杂信号。

8月25日周二
  1. Hugging Face Blog78

    IBM 发布 Granite 4.2 推理模型，开放 Apache 2.0 许可

    IBM 发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个稠密模型，均基于 Apache 2.0 协议开放。该系列模型基于约 15 万亿 token 预训练并扩展至 512K 上下文，8B 和 30B 额外经过智能体强化学习训练，可在真实沙箱中执行代码、操作终端及检索网页。

    推荐理由：IBM 详细拆解了模型的五阶段预训练和七阶段强化学习课程，展示了在真实沙箱中训练智能体能力的具体工程路径。

8月13日周四
  1. Microsoft Research37

    Microsoft 研究发布 MindTopo 基准以评估 VLM 的空间拓扑推理能力

    Microsoft 研究推出新基准 MindTopo，用于测试多模态大语言模型在连通性、闭合等拓扑概念上的推理与规划能力。当前模型在静态图像识别上表现优于交互规划任务，且普遍低于人类水平，主要失败原因在于规划阶段无法维持结构关系。该基准旨在为机器人等交互环境中的 AI 系统提供诊断工具。

7月31日周五
7月29日周三
  1. Berkeley AI Research63

    K-Search 将 CUDA 内核优化经验迁移至 Apple Silicon

    伯克利团队扩展了 K-Search 进化内核搜索框架，支持 Apple 的 MLX 后端。通过构建结构化的 CUDA 到 MLX 翻译层，该框架利用现有 CUDA 内核作为知识库，在 Apple Silicon 上实现了近专家级的内核性能。

    推荐理由：该研究展示了如何将CUDA积累多年的内核优化经验结构化地转化为Apple Silicon的MLX优化策略，为跨硬件的AI内核优化提供了可迁移的方法论。

7月26日周日
  1. Berkeley AI Research27

    ABBEL 框架提升 LLM 长时程交互效率

    Berkeley AI Research 提出 ABBEL 框架，通过信念状态替代完整交互历史以优化长时程任务中的上下文管理。在 CollabBench 协作编码环境中，采用重建式信念评分的 ABBEL-rec-BG 将性能差距缩小约 50%，峰值上下文 token 降至 6.01×10²，且仅需 50 步训练。

7月21日周二
  2. Google Gemini API Release Notes67

    Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 正式发布

    Google 发布 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 稳定版。Gemini 3.6 Flash 提升 token 效率和代码智能体规划能力，价格低于 3.5 Flash；Gemini 3.5 Flash-Lite 为低延迟、高性价比的子智能体选项，适合高吞吐量自动化场景。同时，采样参数 temperature、top_p 和 top_k 已弃用。

    推荐理由：原文提供了两个 Flash 模型正式版的关键能力与价格定位，便于开发者评估在低延迟自动化和代码智能体场景中的替换价值。

7月2日周四
  1. Mistral AI69

    Mistral AI 发布开源模型 Leanstral 1.5

    Mistral AI 发布 Apache-2.0 许可的 Leanstral 1.5，这是一个总参数 119B、活跃参数 6B 的模型，专注于 Lean 4 证明工程。

    推荐理由：官方发布 6B 活跃参数模型，在多个形式化验证基准上达到 SOTA 并发现开源仓库未知 bug，展示了低成本正式验证的实用路径。

6月30日周二
  1. Google Research70

    Google 推出 TabFM：面向表格数据的零样本基础模型

    Google 推出 TabFM，这是专门用于表格数据分类和回归的零样本基础模型。TabFM 将表格预测重构为上下文学习问题，通过单次前向推理即可在未见过的表格上生成预测，免去了传统方法中的超参数调优与特征工程。该模型采用混合注意力架构并在大规模合成数据上预训练，现已在 Hugging Face、GitHub 开源，并集成至 Google Cloud BigQuery 供直接调用。

    推荐理由：将表格数据预测转化为上下文学习问题，无需微调即可生成高质量预测，并直接集成至 BigQuery。

6月27日周六
  1. Google Research50

    Google 在 Pixel 设备上为 Gemini Nano v3 部署冻结式 Multi-Token Prediction 加速推理

    Google 宣布将冻结式 Multi-Token Prediction (MTP) 架构应用于 Gemini Nano v3，在 Pixel 9 和 10 系列设备上实现免微调推理加速。该零拷贝架构直接复用主模型 KV cache，减少 130MB 运行时内存占用，并消除独立草稿模型的竞争。实验显示，相比同等参数规模的独立草稿模型，MTP 在 Pixel 9 上的生成速度提升超过 50%。

6月25日周四
  1. Google Research48

    推理如何解锁 LLM 的参数化知识

    研究发现，允许大语言模型生成思维链可解锁难以召回的参数化知识。在 Gemini 2.5 和 Qwen3-32B 模型上，开启推理后 pass@k 显著提升，即便仅使用无意义字符串作为计算缓冲区也能改善召回率。这种效果主要源于事实启动机制，模型通过生成相关事实构建了语义桥梁，但这也增加了幻觉风险。

6月11日周四
5月29日周五
  1. Google Research78

    Google Research 在 I/O 2026 发布 Gemini for Science 与 Gen 2.0 等核心科研工具

    Google Research 在 I/O 2026 发布了面向科学研究的 Gemini for Science 套件，包括基于 ERA 的 Computational Discovery 与基于 Co-Scientist 的 Hypothesis Generation。

    推荐理由：原文展示了Google Research在I/O发布的一系列核心技术与工具，涵盖了从科学发现、医疗健康到端侧硬件的完整落地路径。

5月8日周五
  1. Berkeley AI Research42

    Adaptive Parallel Reasoning：高效推理扩展的下一范式

    文章分析了自适应并行推理（Adaptive Parallel Reasoning）作为高效推理扩展的潜在范式。现有方法如固定并行或启发式搜索存在冗余计算问题，且无法根据问题动态调整并行度。该方向旨在让模型自主决定何时分解子任务、生成多少并发线程及如何协调，以解决串行推理导致的延迟高、上下文退化（context-rot）及计算资源浪费问题。

4月30日周四