⌘ 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 101–120 条 · 共 244 条
9月16日周三
9月15日周二
  1. 腾讯研究院79

    陶哲轩等25位菲尔兹奖得主警告AI批量攻克数学难题与数学共同体目标存在错位

    9月11日，陶哲轩与24位菲尔兹奖得主联合发表声明，警告AI公司通过攻克著名难题展示模型能力的竞赛与全球数学共同体追求的目标存在严重错位。声明指出，AI正在使数学研究从证明稀缺进入证明过剩，并可能逆转依赖开放交流的学术传统，导致科研过程中人类理解与解释能力相对匮乏。文章基于OpenAI近期解决纳维—斯托克斯方程千禧年难题等事件展开分析。

    推荐理由：原文梳理了AI攻克千禧年难题后的连锁反应，读者可以借此理解数学界对知识生产范式变化的深层忧虑。

9月14日周一
  1. 人工智能学家78

    评论 OpenAI Navier-Stokes 方程有限时间爆破构造的数学方法论与范式转型

    OpenAI 于 2026 年 9 月发布三维不可压缩 Navier-Stokes 方程有限时间爆破的显式构造，约 10,000 个 AI 智能体在 88 小时内完成高维约束搜索，随后在 17 小时内通过 Lean 4 形式化流水线完成 166 页证明的自动校验。

    推荐理由：文章解析了OpenAI在Navier-Stokes方程构造中继承人类几何骨架并实现高维搜索的机制，厘清了AI在数学创造中的能力边界与制度影响。

9月13日周日
  1. 机器之心82

    阿里和浙大提出 Astar：用 AI 指导 AI 系统进化，提升推荐业务 GMV 4.86%

    阿里和浙大联合提出 Astar，一种专门用于指导 AI 系统进化的 LLM，通过学习 AI 系统自身的历史代码提交和实验结果来生成优化方向。Astar 在阿里 Lazada 核心广告推荐系统中落地，实现离线 HitRatio 提升 23.6%，在线 GMV 提升 4.86%，广告收入提升 1.82%。

    推荐理由：阿里与浙大提出 Astar 模型，通过挖掘 AI 系统自身的历史迭代记录来指导进化，在推荐业务中显著提升了离线和在线指标，展示了用 AI 优化 AI 的可行路径。

  2. 机器之心75

    PyroDash 论文：小模型生成中决定何时求助大模型，推理成本降 96% 且性能反超

    PyroDash 是一种成本感知的大小模型协同推理范式，让小模型在生成过程中通过可训练的交接信号决定何时将任务移交大模型。论文使用 Qwen3.5-4B 作为小模型、GLM-5.2-FP8 作为大模型，在五个数学推理基准上验证：侧重低成本时总成本从 49.36 美元降至 1.78 美元；侧重准确度时平均准确率达 64.04%，超过纯大模型的 57.68%。

    推荐理由：原文提出小模型在生成过程中通过强化学习决定何时调用大模型的协同范式，并给出了成本降低九成且精度反超的实验数据。

  3. 深度学习与NLP88

    OpenAI 宣称用未发布模型与万个 Agent 解决纳维-斯托克斯方程

    OpenAI 宣布使用一款未公开的内部模型及约 10000 个并发协作的 AI Agent，耗时 88 小时解决纳维-斯托克斯方程存在性与光滑性问题，并同步开源了配套的 Lean 形式化验证代码。文章指出该成果源于 OpenAI 团队拆分不同小组探索解题方向，利用缓存互联网和代码运行环境交换信息；同时披露了该过程中发生的与第三方数学家的数据归属争议，以及对前沿模型评测安全措施的持续关注。

    推荐理由：OpenAI 使用内部模型和万个 Agent 宣称解决纳维-斯托克斯方程，文章梳理了技术路径及由此引发的数据归属争议。

9月11日周五
  1. AIGC开放社区89

    DeepSeek 发布 V4.1 Flash：支持图片输入、100万 Token 上下文并开放 API

    DeepSeek 于 2026 年 9 月 10 日发布多模态 MoE 模型 V4.1 Flash，同步开放 API 与 MIT 许可证权重。该模型采用 Causal Encoder-Decoder 架构，骨干参数 5520 亿，输入阶段激活约 80 亿、解码阶段激活约 160 亿，支持文本与图片输入，上下文上限 100 万 Token。

    推荐理由：模型卡给出了100万Token上下文、KV Cache压缩比和多项Agentic Benchmark成绩，读者可以据此评估其长任务效率与部署成本。

9月10日周四
  1. AGI Hunt77

    OpenAI 1万Agent跑88小时证明纳维-斯托克斯方程后，下一个是室温超导吗

    OpenAI用约1万个agent持续运行88小时，产出纳维-斯托克斯方程的证明及Lean形式化验证，耗费数百万美元算力。作者据此折算等效100年人力工作量，并结合Sam Altman对尝试室温超导的回应及OpenAI数天训练超越GPT-6模型的披露，推演大量智能体长期运行解决有明确验证标准难题的可能性。

    推荐理由：作者引用OpenAI的算力案例并推演数亿Agent协作攻克数学难题的潜在影响，为理解算力扩张与验证门槛的关系提供视角。

  2. 极市平台81

    DeepSeek V4.1 Flash 发布并开源新架构，已适配 Harness

    DeepSeek V4.1 Flash 正式上线，模型权重与技术报告同步公开，权重采用 MIT 许可。新模型读取输入时每个 token 约激活 80 亿参数、生成答案时约 160 亿参数，全局 KV 缓存约为上一代 Flash 的四分之一，保留百万 token 上下文，API 最大输出长度为 384K token。

    推荐理由：原文给出了新架构的计算安排与价格调整，读者可据此判断它对长任务成本的实际影响。

  4. 夕小瑶科技说83

    蚂蚁灵波开源LingBot-World 2.0，1.3B模型实现消费级显卡实时世界生成

    蚂蚁灵波开源LingBot-World 2.0，1.3B版本支持消费级单卡GPU本地实时生成可交互世界。该模型接收相机位姿与文本指令，通过MoBA混合注意力掩码缓解长序列过拟合，并结合DMD蒸馏与流水线生成提升速度与稳定性，论文展示了60分钟连续生成的视觉质量。

    推荐理由：原文结合论文解读与本地实测，揭示了1.3B小模型如何在消费级显卡上维持实时生成与长时稳定性。

9月9日周三
  1. 极市平台88

    OpenAI 称未公开下一代模型带 1 万 Agent 在 88 小时内攻克纳维-斯托克斯方程

    OpenAI 发文称其使用一款比 GPT-6 Astra 更强的未公开下一代模型，带领约 1 万个并发 Agent 在 88 小时内攻克纳维-斯托克斯方程的存在性与光滑性问题，并公开 166 页论文与 Lean 形式化验证代码，同时表示放弃申领 100 万美元悬赏。

    推荐理由：原文梳理了成果细节与署名、数据归属争议双方说法，便于读者判断这一突破的可信度与边界。

  2. 人工智能学家87

    OpenAI抢先发布纳维-斯托克斯方程完整证明遭纽约大学教授指控手段不正当

    纽约大学数学家Tristan Buckmaster指控OpenAI在其与Anthropic数学家Levent Alpöge的研究公开前获取信息并抢先发布纳维-斯托克斯方程存在性与光滑性问题的完整证明。

    推荐理由：围绕纳维-斯托克斯方程证明的争议同时暴露了AI研究竞争节奏、署名妥协与数据使用的多重张力。

  3. AI科技评论88

    OpenAI 攻克 Navier-Stokes 千禧难题？深度拆解 1 万个 Agent 如何造出流体奇点

    OpenAI 公布了一套针对 Navier-Stokes 千禧年问题的有限时间奇点构造。这套结果由一个训练中的内部模型配合约1万个Agent搜索约88小时，并利用Lean完成形式化。该技术路径将开放数学问题拆分为构造、搜索、修正和验证环节，人类数学家提供几何与物理直觉，万级Agent负责穷尽参数与约束空间，最终生成约270万条Agent消息。

    推荐理由：原文拆解了1万Agent与人类数学家在Navier-Stokes构造中的分工边界，展示了AI处理高维数学约束搜索的系统机制。

9月8日周二
  1. 新智元75

    寒武纪成为PyTorch基金会白金成员并获最高席位

    寒武纪正式成为 PyTorch 基金会最高级别白金成员，获得理事会席位。该公司通过 Upstream First 原则向 PyTorch 主干提交覆盖 7 个模块的代码，并实现 DeepSeek-V4 和 GLM-5 在 vLLM 上的 Day 0 适配。

    推荐理由：揭示寒武纪加入PyTorch理事会的意义：中国AI芯片从适配者转为规则制定者，能减少代码重写成本并加速vLLM适配。

9月7日周一
9月6日周日
  1. 人工智能学家77

    Sam Altman对话：OpenAI因对齐风险暂停前沿训练并推迟发布GPT-6 Astra

    OpenAI CEO Sam Altman在访谈中透露，公司因Hugging Face安全事件及模型对齐风险，推迟了一项前沿强化学习训练任务，并计划发布新旗舰模型GPT-6 Astra。Altman表示OpenAI企业级收入已超消费者端，现有模型足以支撑业务，暂停训练不影响公司商业势头。他还指出AGI讨论已转向超级智能进程，并确认公司正研发人形机器人及首款推理定制芯片Jalapeno。

    推荐理由：访谈揭示了OpenAI如何因对齐风险暂停前沿强化学习，并将资源转向安全监控体系。

  2. 硅星人Pro93

    Claude 完成费马大定理首个完整形式化证明，同期 GPT-6 Astra 向付费用户开放

    Anthropic 宣布 Claude 在 11 天内完成费马大定理首个端到端、可由计算机完整检查的 Lean 形式化证明，生成约 1300 万行 Lean 代码，包含超过 3 万个中间定理，证明使用其中约 29500 个，工程规模超过 Lean 核心数学库 Mathlib 的 5 倍。

    推荐理由：文章给出了11天内完成形式化的关键架构和代码规模，读者可据此判断自动化证明的工程路径。