⌘ 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 161–180 条 · 共 244 条
8月26日周三
  1. 硅星人Pro84

    OpenAI 投资的法律 AI 公司 Harvey 基于 Kimi K3 训练自研模型 Tenet

    法律 AI 公司 Harvey 发布自研模型 Tenet，其底座采用月之暗面开源模型 Kimi K3。Harvey 利用约 1750 个法律智能体任务环境和律师评价标准，耗时两个月在 150 张 NVIDIA B300 显卡上对 Kimi K3 进行后训练。

    推荐理由：文章深入剖析 Harvey 基于 Kimi K3 训练法律模型 Tenet 的技术路径，揭示了开放权重在后训练与垂直行业落地中的核心价值。

8月25日周二
  1. Hugging Face Blog78

    IBM 发布 Granite 4.2 推理模型，开放 Apache 2.0 许可

    IBM 发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个稠密模型，均基于 Apache 2.0 协议开放。该系列模型基于约 15 万亿 token 预训练并扩展至 512K 上下文，8B 和 30B 额外经过智能体强化学习训练，可在真实沙箱中执行代码、操作终端及检索网页。

    推荐理由：IBM 详细拆解了模型的五阶段预训练和七阶段强化学习课程，展示了在真实沙箱中训练智能体能力的具体工程路径。

8月24日周一
  1. 量子位65

    紫东太初ScienceClaw推出AutoProject，推动AI科研从Task转向Project

    中科紫东太初旗下科研智能体ScienceClaw升级，推出AutoProject项目级自主科研引擎。该引擎通过Project2Task规划、TaskExecutor长程执行及EviGraph证据验证三层能力，支持从模糊科研目标到完整项目结论的自主推进。

    推荐理由：通过AutoProject引擎的三层架构与评测数据，展示AI4S如何实现项目级自主科研闭环。

8月23日周日
  1. 人工智能学家84

    40位顶尖数学家齐聚OpenAI闭门峰会探讨AI对数学研究的冲击

    8月初，OpenAI研究科学家Sébastien Bubeck与Jacob Tsimerman召集约40位数学家召开闭门峰会，探讨AI对数学研究的颠覆。OpenAI近期推翻了单位距离猜想并公布10项新发现，Anthropic员工利用Claude辅助构造了高维垂直向量对，这些成果正在绕过传统同行评审管线。

    推荐理由：汇总了OpenAI与Anthropic在数学领域的最新突破及数学界对此产生的深层分歧。

8月22日周六
  1. 新智元84

    Axiom Math AxiomProver 完成246素数间隔定理形式化验证

    Axiom Math 宣布其多智能体系统 AxiomProver 完成了246定理（无穷多对素数间隔不超过246）的形式化验证。该系统由4个模块组成，将132页证明转化为 Lean 4 代码，仅依赖 Bombieri-Vinogradov 定理和带误差项素数定理两个外部定理，GitHub 仓库已开源。

    推荐理由：AI系统首次通过形式化方法独立验证246定理的证明逻辑，展示了验证型AI在关键科学问题中的可靠性。

  2. 大模型智能76

    深度解析 dLLM：能否取代 AR 以及其核心优势与局限

    Junbo Zhao 在 LLaDA 系列回顾中指出，离散扩散语言模型（dLLM）与自回归模型（AR）并非互斥替代关系，而是一条取决于块大小和提交策略的连续谱。

    推荐理由：作者通过数学推导和工程实践对比，揭示了离散扩散模型在并行速度与联合一致性上的固有矛盾，为理解生成范式竞争提供了量化视角。

8月21日周五
  1. 深度学习与NLP93

    AI 辅助证明森多夫猜想：Lech Mazur 完成验证，陶哲轩提炼出更强结果

    Lech Mazur 借助 GPT-5.6 Pro 与约 9 万行 Lean 4 代码完成森多夫猜想的全次数证明，陶哲轩随后经 AI 辅助简化并重新形式化为约 1.5 万行代码，发现该证明实际涵盖更强的 Phelps-Rodriguez 猜想。

    推荐理由：该文通过森多夫猜证的 AI 协作案例，展示了非职业数学家与 AI 形式化验证如何加速经典数学难题的解决与简化。

8月20日周四
  1. 智能涌现74

    智谱 Coding 能力爆发与模型路线复盘

    36 氪深氪栏目复盘智谱 GLM 系列模型押注 Coding 的历程。智谱在 2025 年 5 月放弃垂直模型路线，转向三合一模型策略，随后发布的 GLM 4.5 成为国内首个 Coding 口碑爆发的开源模型。最新发布的 GLM 5.2 与 5.3 在开源榜单上与闭源旗舰持平，驱动 ARR 飙升至 10 亿美元。

    推荐理由：原文复盘了智谱在商业化受阻时转向 Coding 路线的决策逻辑，读者可从中理解大模型公司在 B 端定制与 C 端规模之间的取舍依据。

8月18日周二
  1. 机器之心74

    Erdős 问题成为 AI 公司竞逐的数学竞技场

    机器之心改写自《量子杂志》的报道讲述，Erdős 留下的悬赏数学问题正被 OpenAI、Google DeepMind 等公司用大模型攻克，OpenAI 未公开模型推翻了 1946 年的单位距离猜想，其 Astra 模型拿下 10 项数学进展，DeepMind 用 Gemini 评估了 erdosproblems.com 上 700 个开放猜想并解决其中 4 个。

    推荐理由：梳理了 Erdős 问题为何成为 AI 实验室的天然测试场，以及数学家社区的应对与分歧。

8月17日周一
  1. 硅星人Pro82

    Stripe 以超 70 亿美元收购 OpenRouter

    Stripe 宣布以超过 70 亿美元的价格收购 AI 模型路由平台 OpenRouter。这笔交易使 OpenRouter 的估值在 82 天内增长超 5 倍，旨在整合支付计费体系与模型路由层，为 AI 智能体交易构建金融基础设施。

    推荐理由：这笔交易确立了模型路由在 AI 基础设施中的战略地位，展示了支付体系向模型结算延伸的商业逻辑。

  2. 大模型智能77

    Multi-Agent新趋势：从Agent Team到Agent Swarm的半年演进

    文章梳理了从Agent Team到Agent Swarm的多智能体架构半年演进。Evomap实验显示，将汇总步骤从模型转移到确定性程序可使准确率从38.54%提升至70.87%。

    推荐理由：梳理了半年内Kimi、Anthropic、Cursor等厂商多智能体架构的演进与成本数据，揭示了用确定性程序而非模型进行汇总调度的关键设计原则。

8月16日周日
  1. 人工智能学家84

    陶哲轩消化AI证明森多夫猜想，发现其隐含更强的Phelps-Rodriguez猜想

    非职业数学家Lech Mazur借助GPT-5.6 Pro和约9万行Lean 4代码证明了困扰70年的森多夫猜想。陶哲轩于8月12日发布博文，将证明简化并重新形式化为约1.5万行代码，揭示该论证实际证明了更强的Phelps-Rodriguez猜想，并开源了相关代码。

    推荐理由：陶哲轩简化了证明并揭示其蕴含的更强猜想，展示了AI辅助数学研究的深化与形式化验证的价值。

8月14日周五
  1. DeepTech深科技76

    DeepMind核心成员相继出走创业，外部重组AI研究资源

    Google DeepMind于8月5日完成管理层调整，首席科学家Demis Hassabis交出日常运营权。同日及随后，包括David Silver、Tim Rocktäschel和Jack Parker-Holder在内的多名DeepMind核心研究员相继离开，创办针对强化学习、开放式学习和世界模型的新AI实验室。

    推荐理由：文章梳理了DeepMind多名核心研究员离职创业现象，剖析了他们在外部重组算力与资本资源的组织逻辑。

  3. 大模型智能91

    Stealing Reasoning Traces from Proprietary LLM APIs：揭示大模型 API 安全漏洞

    论文披露前沿 LLM API 存在设计缺陷，可跨会话、跨用户甚至跨模型重放加密推理块。攻击者能利用同家族弱模型作为解码预言机提取强模型隐藏思维链。研究估算批量提取 1 万条推理轨迹成本约 720 美元，并指出这涉及模型蒸馏、安全绕过、隐私泄漏与提示词注入四大风险，同时在 Agent 共享日志中造成 4.9% 的会话隐私泄漏率。

    推荐理由：论文揭示了前沿模型API的跨模型重放漏洞，为Agent安全与推理隐私提供关键修复方向。

8月13日周四
  1. NVIDIA Generative AI Blog87

    NVIDIA GB300 NVL72 可部署阿里巴巴 Qwen3.8-Max 开源模型

    阿里巴巴发布 Qwen3.8-2.4T-A95B（Qwen3.8-Max）开放权重，这是其最大规模的开源模型。NVIDIA 官方博客展示如何在 GB300 NVL72 上部署该模型，该模型总参数达 2.4T，单 token 激活 95B，采用混合专家（MoE）架构与混合注意力机制，支持最长 100 万 token 的上下文窗口。

    推荐理由：NVIDIA 官方给出了将超大规模开源模型部署到高端硬件的方案，为评估前沿开源模型的工程落地提供了直接参考。

8月12日周三
  1. 新智元70

    MLS-Bench 用 140 道真实研究任务评测 AI 方法创新能力

    MLS-Bench 面向 12 个机器学习领域的 140 个真实研究任务评测模型的方法创新能力，结果显示即使模型已获取 Human SOTA 实现并被允许多轮实验，所提方法仍未能整体超越人类基线。Kimi K3 和 Qwen3.8-Max 已将 MLS-Bench-Lite 纳入官方发版评测，表明 AI 能否真正开展研究正在成为模型厂商关注的下一能力前沿。

    推荐理由：评测表明当前前沿模型尚不具备可靠的方法创新能力，结果已在头部模型官方发版表中被采用。