⌘ 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 21–40 条 · 共 244 条
10月8日周四
  1. 量子位 QbitAI88

    Claude 发布 Haiku 5.5，跑分与价格对标 GPT-6 Luna

    Claude Haiku 5.5 发布，在 OSWorld 2.1 和 GDPval-AA 等基准测试中优于 DeepSeek V4.1 Flash 和 GPT-6 Luna。模型支持从 low 到 max 的 effort 自适应思考调节，输入价格大幅降低，但在复杂编码任务上仍不及 Sonnet 5.5，适合执行层任务并行处理。

    推荐理由：哈伊库 5.5 在 OSWorld 等测试中超越前代与竞品，同时通过自适应思考参数调整成本与任务边界。

  2. 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。

  4. AI HOT84

    vLLM 详解 DeepSeek-V4.1-Flash 优化：Agent 场景吞吐提升 5 倍

    vLLM 官方博客详解针对 DeepSeek-V4.1-Flash 的系统级优化，在 Agent 场景下相比初始版本吞吐提升 5 倍。核心优化包括 SWA 有界重放、CUDA graphs 以及 MegaAttention 等内核融合，在 150 TPS 约束下实现了 5.3 倍吞吐量提升，低并发加速 1.9 倍。

    推荐理由：拆解了SWA有界重放和内核融合等关键优化方法，说明了5倍吞吐提升的具体来源，方法可复用于其他Agent服务场景。

  5. AI HOT74

    OpenRouter 上架 GPT-6 Luna Decisions 模型

    OpenRouter 宣布 GPT-6 Luna Decisions 上线。该模型基于 OpenAI 的 Decisions API，支持应用发送文本、JSON 或图片并获取带概率的类型化答案。其输入定价为 $0.10/M，输出免费，上下文窗口为 1M，且通过 Decisions API 做出决策的速度比 GPT-6 Luna 通过 Responses API 快达 10 倍。

    推荐理由：原文给出了 Decisions API 的定价和上下文限制，开发者可以据此判断其实际接入成本与适用场景。

  6. MarkTechPost93

    Anthropic 发布 Claude Haiku 5.5：1M 上下文小模型，输入定价 0.10 美元/百万 token

    Anthropic 发布 Claude Haiku 5.5，这是其最便宜且最快的小模型，针对高吞吐量场景如摘要、压缩、分类及子智能体任务进行优化，配备 1M token 上下文窗口和最高 128K 输出 token。

    推荐理由：提供了具体定价档位、基准测试对比及适用场景限制，便于评估其作为子智能体的成本效益与可用性。

  9. 数字生命卡兹克93

    OpenAI 发布 372 组数学成果，数学家联名反对 AI 主导科研

    OpenAI 发布 722 份数学手稿，包含 372 组数学成果，覆盖数论、代数几何、偏微分方程等方向，包括对“准黎曼猜想”的部分解决。25位菲尔兹奖得主已发出联名信批评 AI 实验室的研究方式。

    推荐理由：文章以 OpenAI 发布 372 组数学成果为核心，串联起菲尔兹奖得主集体抗议、AI 证明验证工具演进等行业关键冲突，为理解 AI 冲击基础科学的研究与验证模式提供了完整脉络。

10月7日周三
  2. 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。

  4. APPSO85

    OpenAI 公布 722 篇数学研究手稿，涉及准黎曼猜想与霍奇猜想特殊情形

    OpenAI 将一款内部未发布模型生成的 722 篇数学手稿归为 372 组成果，上传至 GitHub 供公开查看，内容涉及准黎曼猜想、唯一博弈猜想、霍奇猜想的特殊情形及自由群因子问题。

    推荐理由：材料将 722 篇未验证模型输出的手稿与 Lean 形式化、学术界反应并列，为判断 AI 数学成果的消化成本提供依据。

  5. 机器之心97

    OpenAI 一次性公布 722 篇 AI 生成的数学研究成果

    OpenAI 发布名为 openai/math 的 GitHub 仓库，公开了 722 篇由尚未命名的内部前沿模型生成的数学手稿，覆盖 372 个成果族。这批成果涉及准黎曼猜想、四维挂谷猜想、希尔伯特第十问题等多个长期未决难题，其中约 235 族附带了 Lean 形式化证明。

    推荐理由：OpenAI 集中发布722篇由内部模型生成的数学手稿，展示了AI在批量解决长期未决数学问题上的新能力边界。

  6. Simon Willison77

    Mistral 发布 Mistral Large 4 预览版

    Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的大语言模型，由 3,800 块 NVIDIA Grace Blackwell GPU 训练而成。

    推荐理由：文章展示了模型在图像生成与推理级别上的实际表现，读者可借此评估其当前与前沿模型的差距。

10月6日周二
  1. 量子位 QbitAI76

    陶哲轩呼吁AI公司放缓数学研究节奏

    陶哲轩在SAIR最新演讲中批评AI公司过度加速解决数学问题，指出人类缺乏时间消化和理解这些证明，会导致“证明消化不良”和创造力丧失。OpenAI回应称将成立独立的数学与AI顾问小组，但明确表示该小组不负责就内部数学进展提供建议。

    推荐理由：陶哲轩在演讲中提出AI应放缓数学解题速度以保留认知摩擦，文章梳理了他及多位菲尔兹奖得主对AI数学能力的担忧。

  2. APPSO76

    SemiAnalysis 测试揭示 AI 订阅套餐算力收益差异：OpenAI 额度收紧，MiniMax 性价比领先

    SemiAnalysis 测试多家厂商订阅套餐，将 Agent 工作负载额度折算为 API 等值价格后发现，OpenAI 将 200 美元套餐 token 额度减半，新推出的 500 美元套餐主要卖点变为速度而非额度，而国产厂商如 MiniMax 套餐提供的 API 等值额度相当于月费的 19 至 24 倍，明显高于 OpenAI 的 10 至 15 倍水平。

    推荐理由：SemiAnalysis 对比了各厂商订阅套餐的 API 等值算力收益，揭示了海外厂商收缩补贴与国产厂商维持高杠杆的现状。