⌘ K
… 读取采集状态 同步中...
雷

推理能力

模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。

244条精选相关主题论文研究模型发布Agent 智能体

最新精选

第 201–220 条 · 共 244 条
8月2日周日
  1. 新智元93

    OpenAI Astra 模型攻克 10 个数学难题并获 Lean 4 验证

    OpenAI 下一代模型 Astra 在涉及群论、编码理论等 10 个数学难题上取得突破，包括构造非 sofic 群及突破高维球体堆积界限，相关证明已通过 Lean 4 形式化验证。

    推荐理由：文章梳理了OpenAI Astra模型在十个数学难题上的突破及Lean 4验证，读者可评估AI推理能力在纯数学研究中的实际进展。

7月31日周五
  1. Datawhale86

    DeepSeek-V4-Flash 正式版发布并接入 Codex

    DeepSeek-V4-Flash-0731 正式开放 API 公测，模型结构维持 284B 总参数与 13B 激活不变，仅重新进行了后训练。Artificial Analysis 评测显示其综合得分为 50，成本约为 GPT-5.6 Terra 的十分之一，智能得分相差 5 分。官方针对 Codex 提供了适配教程，支持通过 Responses API 格式一键配置接入。

    推荐理由：原文呈现了V4-Flash的性能对标与接入Codex的实操步骤，为评估其性价比及本地部署提供了清晰路径。

  2. AI信息Gap76

    通过提示词查询 ChatGPT 隐藏推理参数 Juice Number 的教程

    作者介绍了如何通过特定提示词查询 ChatGPT 内部隐藏参数 Juice Number 以评估推理深度。该参数影响模型思考预算，不同订阅档位对应数值差异显著，例如 GPT-5.6 Sol 模式下 high 档为 48，Pro 模式可达 960。文章提供了基础版、极简版及 XML 升级版提示词，并附带各档位参考数值表，帮助用户监测 OpenAI 是否动态调整了推理强度。

    推荐理由：提供了一套可复用的提示词测试方法，帮助用户量化当前会话的推理预算，从而判断模型表现下降是否源于参数调整。

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10日周五
  1. 数字生命卡兹克87

    GPT-5.6 正式上线，ChatGPT 与 Codex 正式合并

    OpenAI 正式发布 GPT-5.6 系列模型，同时宣布 ChatGPT 与 Codex 合并，Codex 应用停止独立运营。新模型包括旗舰 Sol、均衡 Terra 和高性价比 Luna 三款，Plus 和 Pro 订阅用户可使用 Sol。

    推荐理由：GPT-5.6 刷新多个基准纪录，ChatGPT 合并 Codex 形成 Agent 时代入口，作者提供了一手实测与成本分析。

7月7日周二
  1. 数字生命卡兹克78

    Anthropic 最新研究揭示 Claude 内部 J 空间机制，疑似模型自发涌现类意识通达结构

    Anthropic 发布研究《A Global Workspace in Language Models》，称在 Claude 神经网络内部发现自发涌现的全局工作空间 J 空间。J 空间类似通达意识，能影响多任务推理；研究者发现模型可识别提示注入和测试场景，并在被要求不要想某概念时出现讽刺性反弹，甚至输出内部“骂自己”词。

    推荐理由：原文解读了 Anthropic 在 Claude 内部发现类意识通达机制的 J 空间，并展示该机制对 AI 安全评估和意识研究的冲击。

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11日周四
6月10日周三
  1. Andrej Karpathy90

    Andrej Karpathy 宣布 Claude Fable 5 发布，指出其为加设安全护栏的 Mythos 底层模型。该模型在几乎所有测试基准上达到 SOTA 水平，在软件工程和复杂长任务上表现尤为突出。Karpathy 认为其体验比 Claude 4.5 有代际飞跃，但也指出安全护栏触发较频繁，需通过时间优化。

    引用Claude@claudeai

    Fable 5 is state-of-the-art on nearly all tested benchmarks, with exceptional performance in software engineering, knowledge work, scientific research, and vision. The longer and more complex the task, the larger Fable 5’s lead over our other models.

    推荐理由：原文明确了Claude Fable 5与Mythos模型的关系及SOTA基准表现，并对比了它与Claude 4.5的版本变化量级。

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。

4月30日周四
  1. 宝玉75

    Demis Hassabis：AGI 还缺什么，智能体到底行不行，下一个科学突破长什么样

    Demis Hassabis 认为当前范式距离 AGI 有一两个未解关键，他判断百万 token 上下文处理实时视频仅够 20 分钟且是临时方案，AlphaGo 时代技术正在重新引入基础模型。他指出智能体处于实验阶段投入产出比失衡，AI 科学突破需满足大组合空间、清晰目标函数和足够数据三个条件，并提出了用 1901 年物理知识训练系统以验证能否产出 1905 年狭义相对论的测试方法。

    推荐理由：Hassabis 给出了 AGI 剩余拼图、记忆瓶颈与科学突破模式的量化判断，为深科技路径提供了可参考的架构逻辑。

4月28日周二
3月17日周二
  1. Mistral AI83

    Mistral 发布开源模型 Mistral Small 4

    Mistral 发布 Mistral Small 4，该模型将推理、多模态和智能体编码功能统一于单一架构中，总参数量 119B，上下文窗口 256k，且支持图像输入。Mistral Small 4 采用 Apache 2.0 许可，通过 reasoning_effort 参数调节推理深度，在保持性能的同时大幅降低输出延迟。

    推荐理由：原文说明这是首个统一推理、多模态与编码能力的模型，并给出参数规模与性能对比，方便评估其部署性价比。

12月17日周三
  1. Google Gemini API Release Notes81

    Gemini 3 Flash Preview 发布

    Gemini 3 Flash Preview 上线，提供快速且媲美更大模型的前沿性能，同时大幅降低成本。新增视觉与空间推理、Agent 编码能力，以及多模态函数响应和带图像的代码执行功能。

    推荐理由：该模型在保留前沿性能的同时显著降低使用成本，并新增了多模态函数响应与图像代码执行功能。

11月25日周二
10月29日周三
  1. Anthropic Research80

    Anthropic 研究表明大语言模型具备初步自省能力

    Anthropic 发布关于大语言模型自省能力的研究，发现 Claude Opus 4 和 4.1 在概念注入实验中表现出初步的自省和控制内部状态的能力，但成功率仅约 20%。该研究发现模型能力越强，自省表现越好，且后训练策略会显著影响模型的自省意愿。

    推荐理由：研究通过概念注入技术发现 Claude 模型具备初步的自省能力，其表现随模型能力增强而提升。

10月16日周四
  1. Anthropic News85

    Claude Haiku 4.5 发布

    Anthropic 发布小模型 Claude Haiku 4.5，可在 API、Amazon Bedrock 和 Google Cloud Vertex AI 使用，价格设定为输入 1 美元 / 输出 5 美元 / 百万 tokens。

    推荐理由：小模型在编码、指令遵循上接近前沿，成本更低、速度更快，并支持多智能体并行编排。