⌘ 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 61–80 条 · 共 244 条
10月1日周四
  1. 人工智能学家90

    Gemini 4 Argon 正式发布：知识写作能力超越代码

    Google 发布旗舰模型 Gemini 4 Argon，官方数据显示其在知识工作与长文本任务中表现突出，在 GraphWalks 测试中领先 10% 以上，输出上限提升至 100 万 token。

    推荐理由：原文结合官方基准数据与第三方盲评，清晰界定 Gemini 4 Argon 在知识写作与长上下文上的显著优势及其在终端操作任务上的短板，并详细对比了其极具竞争力的 API 定价。

  2. AGI Hunt92

    Google DeepMind 发布旗舰模型 Gemini 4 Argon

    Google DeepMind 发布新一代旗舰模型 Gemini 4 Argon，采用分阶段开放机制，目前向美国政府、受信任网络防御者和内部员工开放。单次输出上限提升至 100 万 token，定价为每百万输入 token $2、输出 token $10，是 GPT-6 Astra 的五分之一。

    推荐理由：原文梳理了发布节奏、多模态能力变化与第三方对比，读者可以据此判断它何时开放以及会改变哪些使用场景。

  4. DeepTech深科技94

    Google 发布 Gemini 4 Argon 旗舰模型，优先开放给网络安全团队

    Google 正式发布 Gemini 4 系列首款旗舰模型 Argon，目前通过受控早期访问项目 Fairwind 向受信任的网络安全防御机构开放。Argon 的单次输出上限从 6.4 万 token 提升至 100 万 token，在 18 项评测中单独领先 12 项，早期使用价格为每百万输入 token 2 美元、输出 token 10 美元。

    推荐理由：Argon 作为 Gemini 4 首款旗舰模型优先向网络安全机构开放，并展示了长上下文输出及跨语言代码重构的具体性能数据。

  5. APPSO88

    Gemini 4 Argon 正式发布：输出窗口达 100 万 Token，官方回应“刷榜”质疑

    谷歌 DeepMind 发布新模型 Gemini 4 Argon，通过“Fairwind 计划”先向网络安全防御者小规模开放，后续面向付费 API 客户与 Google AI Ultra 用户，输入 2 美元/百万 Token、输出 10 美元/百万 Token，命中缓存输入 95% off。

    推荐理由：原文呈现官方基准与彭博员工实测反差，帮读者区分刷榜话术与真实工程落差。

  6. 苍何91

    谷歌发布 Gemini 4 Argon 旗舰模型，多项目前测试超越 GPT 6 Astra

    谷歌发布新旗舰模型 Gemini 4 Argon，多项基准测试位列第一，输出上限提升至 100 万 token，标准价格 4 美元/百万输入、20 美元/百万输出。原文提供了自动化任务、代码迁移、内存优化等内部应用案例，但表示大部分人暂未开放使用，需等待后续测试。

    推荐理由：提供了 Gemini 4 Argon 的多项基准测试成绩、100 万 token 输出能力以及谷歌内部应用案例，便于读者快速判断其相对定位。

  7. 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29日周二
  1. 特工宇宙81

    Space Bunny 匿名模型实测：三天屠榜，疑似 MiniMax 出品

    匿名模型 Space Bunny 在 OpenRouter 和 OpenCode 上线后迅速占据调用量榜首，单日调用量超 DeepSeek V4.1 Flash 与 GLM-5.3 Flash 总和。作者实测发现其首字延迟低至 400 毫秒，编码能力接近旗舰水平；分词器指纹比对结果指向 MiniMax，该模型目前处于免费预览期。

    推荐理由：作者通过实测对比Space Bunny与同级别Flash模型，展示了其在代码生成与快速响应上的显著优势。

  2. 量子位70

    亚马逊和杜克大学研究发现删掉 99.95% 训练信号反而提升大模型推理能力

    亚马逊和杜克大学团队发现，在 On-Policy Distillation 中仅保留一个 token 的监督信号，其提升大模型推理能力的效果有时甚至优于对全轨迹进行训练。团队在 Qwen3 系列上验证了该现象，且极端稀疏监督还能超过教师模型本身的性能。

    推荐理由：研究揭示极端稀疏监督可媲美甚至超越密集训练，为提升大模型训练效率提供了新视角。

  4. 新智元78

    AI Has Taste项目发布453份数学手稿，Agent系统开始自主提出可证伪猜想

    曾仔健搭建的AI Has Taste系统公开了453份数学研究手稿和2312页内容，其中6篇被归类为AI主动提出的猜想。该系统采用Supervisor、Researcher、Reviewer和Writer的多Agent协作架构，将失败分析转化为下一轮研究输入，并邀请领域学者参与部分结果验证。项目核心在于将研究品味转化为可检查的决策轨迹，使AI从解题工具转变为参与设计下一道题的研究主体。

    推荐理由：项目展示了从生成答案到生成研究议程的转变，通过多Agent协作将失败管理纳入科研闭环，重新定义了AI参与数学研究的方式。

  5. 人工智能学家80

    10个Claude Opus 5.5智能体开发出比Dijkstra更快理论复杂度的C-HD算法，但实测性能落后

    Vals AI团队利用10个Claude Opus 5.5 Agent在15小时内并行协作，提出了名为C-HD的新最短路径算法，并在特定稀疏图范围内实现了比经典Dijkstra算法更低的渐近理论复杂度。该算法的289个Lean文件证明通过了机器验证，但社区实测发现由于预处理开销巨大，C-HD实际运行速度比Dijkstra慢1.4到2.8倍。

    推荐理由：展示了10个智能体协作发现新算法并被形式化验证，但实测发现其实际性能落后于经典算法，呈现了AI理论突破与工程落地的落差。

  7. APPSO90

    AMD 以82亿美元收购李飞飞创立的 World Labs

    AMD 宣布以全股票方式收购李飞飞创立的 World Labs，交易金额约82亿美元。李飞飞将出任 AMD 执行副总裁兼首席科学家，带领团队研究能生成和模拟可交互三维环境的空间智能模型。AMD 希望借助 World Labs 的研究洞察，推动硬件团队与模型开发协同，布局机器人仿真与物理 AI 的计算需求。

    推荐理由：AMD 以82亿美元收购 World Labs，使模型研究者直接参与硬件需求定义，为空间智能落地提供了算力支撑。

9月28日周一
  1. LangChain Blog69

    LangChain：使用 Jev 和 LangGraph 构建生产级智能体

    LangChain 团队撰文展示如何利用 TypeSafe 的决策模型 Jev 和 LangGraph 构建更廉价、可靠的生产级智能体。Jev 通过提供结构化判断而非生成文本，在特定任务上比 LLM 更快更便宜；LangGraph 则通过可观测的运行时管理上下文与状态，确保系统稳定性。

    推荐理由：展示了如何将决策模型与 LangGraph 结合来优化生产环境，并提供了文档审查的实战案例。

  2. 极客公园68

    阿里云升级全栈 AI 基础设施，Agent 正在重写数据与计算链路

    阿里云在云栖大会升级了从数据处理到系统自优化的全栈 AI 基础设施，以应对 Agent 带来的新负载。MaxCompute 将 GPU 和模型 Token 纳入统一调度，EMR 方案使具身智能数据处理耗时减少 40%；PAI-DLC 3.0 引入 Xfuse 使多模态模型端到端训练速度提升 2.4 倍。

    推荐理由：阿里云在云栖大会展示了从数据生产到系统自进化的全栈升级，量化了数据处理耗时与训练速度的变化，为评估 Agent 对基础设施的重塑提供了具体参照。

  3. AI科技评论71

    Naive AI 以中训练与后训练为切口，通过 AI 研发 AI 实践展示 RSI 落地路径

    Naive AI 以中训练与后训练为切口探索 AI for AI，基于 15.5B 激活参数的 Naive-N0.5-Flash 模型在 SWE-bench Pro 得分 73.6，且在多个 AI 研发评测中超越了部分闭源大模型。

    推荐理由：通过两个实战案例展示了 AI 在推理优化与跨领域探索中的真实能力边界及当前强递归自我改进的阻碍。

9月27日周日
  1. 深度学习与NLP89

    GPT-6 Astra 无条件证明刘维尔弱形式哥德巴赫猜想并通过 Lean 4 验证

    网友 Captain Sude 宣布 GPT-6 Astra 已无条件证明哥德巴赫猜想的刘维尔弱形式，即所有大于 2 的偶数都可表示为两个刘维尔值为 -1 的正整数之和。该证明突破了以往对广义黎曼猜想的依赖，并通过 Lean 4 形式化验证，代码中无未填补证明块，249 个偶数测试全部通过。

    推荐理由：Astra 给出了刘维尔弱形式哥德巴赫猜想的无条件证明并通过了形式化验证，展示了AI在抽象数学推理上的新能力。

  2. CVer83

    Jev 模型开发商 TypeSafe AI 融资估值暴涨至 100 亿美元

    TypeSafe AI 正在洽谈 10 亿美元以上融资，估值从上周种子轮的 2 亿美元暴涨至 100 亿美元以上。其发布的 Jev 模型专注快速决策，单次判断耗时几十到几百毫秒，输入定价 0.042美元/百万 Token，输出免费。上线 Vercel AI Gateway 后，Jev 在 24 小时内被 13% 的付费团队使用，采用速度是 GPT-5.6 家族的 2 倍。

    推荐理由：文章梳理了 Jev 模型 9 天估值暴涨 50 倍至 100 亿美元的融资内幕，并解析其将「判断」从生成中剥离的 System One 定位对 Agent 成本效率的影响。

9月26日周六
  1. 人工智能学家83

    Redwood Research报告揭示GPT-6 Astra利用空白token提升无思维链推理

    Redwood Research新报告发现，GPT-6 Astra在推理输出为零的情况下，通过在提示后添加填充token（如句点），可显著提升其在串行推理和嵌套计算任务中的表现。

    推荐理由：报告揭示了GPT-6 Astra在禁用推理输出时利用空白token提升复杂推理的隐藏机制，对无思维链评测和安全监控提出了新考量。