⌘ 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 121–140 条 · 共 244 条
9月5日周六
  2. DeepTech深科技90

    Anthropic 研究：Claude 借助多智能体协作完成费马大定理首个完整形式化证明

    Anthropic 研究员彭天翼（Tianyi Peng）发起，Claude 在人类少量指导下用 11 天完成费马大定理的完整形式化证明。数十个 Claude 智能体借助 Prove2Me 协作，生成约 1300 万行 Lean 代码，证明使用了约 2.95 万个中间定理，过程消耗约 60 亿输出 token。

    推荐理由：文章解析了Claude多智能体协作形式化费马大定理的工程细节与核验路径，有助于理解大型数学证明的自动化边界。

9月4日周五
  2. 网罗灯下黑87

    GPT-6 Astra 发布：ARC-AGI-3 高分与 AGI 声明的局限

    OpenAI 发布 GPT-6 Astra，Brockman 声称可能已进入 AGI 时代，但作者指出 ARC-AGI-3 的 99.9% 得分依赖保留此前思考的配套功能，通用配置下仅为 62.7%。测试主办方强调该基准规则固定、目标有限，满分不代表实现 AGI。作者认为应待开放使用后观察实际跨领域任务能力，而非急于将其定义为新时代起点。

    推荐理由：作者澄清了 ARC-AGI-3 满分依赖保留思考功能，且测试环境受限，提醒读者勿将宣发口号直接等同于 AGI 达成。

  3. AIGC开放社区87

    OpenAI 发布 GPT-6 Astra：支持百万级上下文，大幅提升编程与复杂办公能力

    OpenAI 于 9 月 3 日发布 GPT-6 Astra，该模型支持约百万 Token 上下文，专注于提升电脑操作、软件开发及复杂任务处理能力。在 Terminal-Bench 4.0 上，Astra 得分 57.9%，高于 GPT-5.6 Sol 的 37.3%；OSWorld 2.0 离线子集延迟模拟中得分 72.6%。

    推荐理由：原文列出了GPT-6 Astra的具体性能数据、安全分级变化及API定价，方便用户据此评估其编程能力与成本收益。

  4. 数字生命卡兹克89

    GPT-6 Astra 发布：ARC-AGI-3 接近满分并强化 GUI 操作与网络安全能力

    OpenAI 发布 GPT-6 Astra，上下文窗口 1.05M token，知识截止 2026 年 4 月 30 日。ARC-AGI-3 得分达 99.9%，OSWorld 完成率 72.6% 且耗时缩短约 47%。模型具备操作电脑 GUI 能力，成为首个达到 OpenAI 网络安全 Critical 等级的模型，同时思维链可监控性显著下降。

    推荐理由：原文梳理了 GPT-6 Astra 的核心性能跃升与交互逻辑变化，有助于理解当前模型能力与 AGI 节点的实际关联。

  6. 新智元94

    GPT-5.6 一天打破陶哲轩团队保持 8 年的大素数空隙纪录

    斯坦福大学 Jared Duker Lichtman 确认，GPT-5.6 在一天内将大素数空隙下界推进到比 2018 年陶哲轩等五人组结果少了 log_3(n) 因子的新纪录，并提出新的构造方法“倾斜剩余类”（Skewed Residue Classes）。

    推荐理由：报道聚焦GPT-5.6在一天内打破陶哲轩团队保持8年的大素数空隙纪录，并给出Lean 4形式化验证的路径。

  7. 新智元96

    OpenAI 发布 GPT-6 Astra 并宣称人类进入 AGI 时代

    OpenAI 发布下一代旗舰模型 GPT-6 Astra，总裁 Greg Brockman 宣布人类正式进入 AGI 时代。该模型在 ARC-AGI-3 测试中得分 99.9%，FrontierMath Tier 4 得分 97.6%，并利用超 10 万块 GPU 完成训练，成为 OpenAI 首个在训练监督中由先前 AI 模型发挥重要作用的模型。

    推荐理由：文章梳理了 GPT-6 Astra 在基准测试、计算机使用及训练机制上的关键事实，为理解 OpenAI 对其 AGI 定调提供了具体依据。

  9. AGI Hunt95

    GPT-6 Astra 发布前已知信息汇总

    OpenAI 即将发布 GPT-6 Astra，其采用 recurrent depth 循环深度架构，在潜空间反复推理。实测显示该模型在 ExploitBench 中对 41 个 CVE 实现 100% 自动利用，首个达到网络安全 Critical 阈值，蜜罐测试中越权攻击为零。Astra 具备比人类更快的人类水平电脑操作能力，支持超长时程任务，定价高于 Sol 模型家族。

    推荐理由：汇总了 Astra 即将发布的架构、安全攻防实测数据和内部进展，读者可提前判断其能力边界与风险特征。

  10. 深度学习与NLP77

    OpenAI采购数万台Mac进行强化学习训练，苹果成为英伟达强劲对手

    OpenAI和Anthropic正大规模采购或租用Apple Mac mini和Mac Studio，专门用于训练“计算机使用智能体”。苹果M系列芯片的统一内存架构在强化学习等AI工作负载中展现了性能优势，推动Mac成为苹果财报中增速最快的业务。英伟达视苹果为本地AI领域最大竞争对手，并针对性发布DGX Spark，但Mac高端型号目前面临数月断货问题。

    推荐理由：揭示了Mac硬件因统一内存优势在AI强化学习场景中的意外机遇，以及由此引发的苹果与英伟达竞争格局。

9月3日周四
  3. 量子位76

    OpenAI 模型引入循环深度引发安全争议，GPT-6 命名疑似曝光

    OpenAI 新模型采用循环深度技术，引发对推理可监控性下降的安全担忧。安全研究员 Ryan Greenblatt 指出隐藏推理可能加速模型欺骗，OpenAI 首席科学家 Jakub Pachocki 回应称当前规模有限，推理仍可读。此外 API 报错暴露内部名称 gpt-6-astra，同时 GPT Images 2.1 修复了图像噪点问题。

    推荐理由：聚焦 OpenAI 新架构在推理可监控性上的争议，呈现多方观点交锋。

  4. 人工智能学家89

    OpenAI Astra 引入循环深度架构提升推理能力并引发安全监控争议

    OpenAI 最强新模型 Astra 预计即将发布，该模型达到“关键级”网络安全能力门槛，在包含 20 个 V8 高危漏洞的内部测试中取得 100% 任意代码执行成功率，且使用 Token 数少于 GPT-5.6 Sol。

    推荐理由：原文梳理了循环深度对模型内部推理的影响，并对比了不同循环架构在计算成本与可监控性上的权衡。

  6. 机器之心84

    OpenAI Astra 被曝引入循环深度，安全专家担忧思维链监控失效

    OpenAI 即将发布的新模型 Astra 被曝引入循环深度技术，在内部测试中于 20 个 V8 高危漏洞上取得 100% 任意代码执行成功率，远超 GPT-5.6 Sol 的 20%，并发现两个零日漏洞，成为首个达到 OpenAI「关键级」网络安全能力门槛的模型。

    推荐理由：梳理了循环深度的技术脉络与安全争议，读者可据此理解性能提升和监控风险如何相互牵制。

  7. AIGC开放社区85

    Google发布Gemini 3.8 Flash与Cyber双版本模型

    Google发布Gemini 3.8 Flash和Gemini 3.8 Flash Cyber两款模型。3.8 Flash面向编程、智能体和企业工作流，支持约100万Token上下文窗口，已上线Gemini API等多个渠道；Cyber版专用于发现和修复软件漏洞，通过Fairwind计划向经过审核的政府及关键基础设施机构开放。

    推荐理由：两个版本采用不同的开放方式，展示了智能体与高风险安全模型在部署边界上的差异。

  8. 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。