跳到正文

技术方向

推理能力 最新动态

让大模型先想再答的能力:思维链、推理模型,数学与逻辑评测上的突破和争议。

16 条精选近 30 天 13 条共收录 32 条

更新

推理能力的精选

11月21日周六第 1–16 条
  1. The Decoder76

    OpenAI 发布 GPT-6.2 Astra 与 Sol 提示词优化指南

    OpenAI 发布了针对 GPT-6.2 Astra 和 Sol 的新提示词模板,旨在解决模型回答过于简洁或频繁反问的问题。指南建议开发者调整写作风格指令,在代码生成中减少不必要的抽象与测试,并更新了 API 中关于推理内容处理的机制,以提升任务执行效率。

    推荐理由:原文整理了针对 GPT-6.2 Astra 和 Sol 的最新提示词模板与 API 调整建议,开发者可据此优化模型在写作、代码生成及任务执行中的表现。

  2. The Decoder92

    Anthropic数学家宣布Claude证明黎曼猜想,斯坦福随后发布人类独立证明草案

    Anthropic数学家Levent Alpöge宣布利用Claude模型证明了黎曼猜想及广义黎曼猜想,并以Lean语言发布了验证代码。随后,斯坦福大学数学家Ravi Vakil发布了由Alessandro Masullo撰写的纯人类证明草案作为竞争方案,目前双方证明均处于社区验证阶段。

    推荐理由:该事件展示了AI在解决顶级数学难题中的突破性进展与人类数学界的即时响应,为理解AI如何重塑科学研究范式提供了典型案例。

11月19日周四
  1. Google DeepMind92

    Google 发布 Gemini 4 Neon 模型

    Google DeepMind 推出 Gemini 4 Neon 模型,旨在为软件工程、科学研究及企业级工作流提供前沿推理能力与高效的任务执行。该模型支持 100 万 token 上下文窗口,在多项智能体与编码基准测试中表现优异,并针对网络安全任务进行了优化。

    推荐理由:Google DeepMind 发布 Gemini 4 Neon 模型,在保持前沿推理能力的同时优化了复杂任务的执行效率与成本,为企业级工作流和智能体开发提供了新的选择。

  2. Hugging Face Blog72

    RadixArk 发布 DaisyRose-27B 模型,提升智能体训练效率

    RadixArk 发布了 DaisyRose-27B 模型,该模型基于 Qwen3.8-27B,通过 Miles 强化学习框架在 1,200 个长周期智能体任务上训练而成。模型在 Terminal-Bench 4.1 等多项推理与编码基准测试中表现优于原版,并以 Apache 2.0 协议开源。训练过程利用了高效的异步后端,显著降低了 GPU 计算成本并提升了训练速度。

    推荐理由:RadixArk 发布了基于 Qwen3.8-27B 的 DaisyRose-27B 模型,展示了通过强化学习框架 Miles 在长周期智能体任务上的训练效率提升。

11月18日周三
  1. Hugging Face Blog62

    IBM 时间序列基础模型集成至 Confluent 平台

    IBM 宣布其时间序列基础模型现已原生集成至 Confluent 平台,支持在云端及本地环境通过 Apache Flink 运行。该集成允许企业在流数据处理过程中直接应用预测、异常检测及语义智能,无需为每个序列单独训练模型,且模型可在标准 CPU 上运行,助力智能体在生产、零售、金融等场景中实现实时决策。

    推荐理由:IBM 将时间序列基础模型集成至 Confluent 平台,使企业能够直接在流数据上进行实时预测与异常检测,从而缩短从信号获取到决策执行的周期。

  2. Latent Space88

    OpenAI 发布 GPT-6.2 Astra 与 Sol 模型

    OpenAI 发布 GPT-6.2 Astra 和 Sol 模型,现已向 ChatGPT 企业版及 API 用户开放。Astra 定位前沿模型,Sol 则作为高性价比主力模型,两者均支持 1M 上下文窗口。测试显示 Astra 在智能表现上处于领先梯队,而 Sol 在保持前代性能的同时大幅降低了推理成本。

    推荐理由:OpenAI 发布 GPT-6.2 Astra 与 Sol 模型,通过对比不同任务下的成本与性能表现,为开发者选择模型提供了参考依据。

11月17日周二
  1. NVIDIA Blog74

    NVIDIA 在 SC26 发布 Nemotron for Science 模型及 Rubin HPC GPU 等科学计算新品

    NVIDIA 在 SC26 大会上发布了面向科学计算的 Nemotron for Science 模型、Rubin HPC GPU 及 Vera CPU 平台,旨在通过 AI 智能体自动化处理实验规划、代码运行与结果验证。该系列工具支持在本地环境运行,并已在化学研究、天文观测及代码移植等场景中展现出显著的效率提升。

    推荐理由:NVIDIA 在 SC26 发布了面向科学计算的智能体工具集与硬件平台,展示了 AI 智能体在自动化实验规划与科学研究中的应用潜力。

11月14日周六
  1. Google Research88

    Google 在 Antigravity 平台发布 /teamwork 多智能体协作功能

    Google 宣布向研究人员和开发者开放 Antigravity 平台的 /teamwork 功能,该工具利用 Gemini 4 模型系列构建多智能体工作流,通过并行探索与自动化验证机制解决数学证明、代码重构及系统工程中的复杂长程任务。目前该平台已支持包括代码优化、文档审查在内的多种模式,并为学术研究人员提供免费使用额度。

    推荐理由:Google 开放了 Antigravity 平台的 /teamwork 多智能体协作功能,通过将复杂任务拆解并引入自动化验证机制,为科研与工程领域提供了一种可复用的长程推理工作流。

11月13日周五
  1. Google DeepMind87

    Google 发布 Gemini 4 Hydrogen 模型

    Google 发布 Gemini 4 Hydrogen 模型,旨在为日常编码和智能体工作流提供高效的推理能力。该模型支持四种思考级别,定价为每百万输入 token 1.50 美元,并同步在 Google AI Studio、Gemini API 及搜索等全线产品中上线。此外,Google 还推出了 Orchestrator 功能,支持在多模型工作流中动态切换模型以优化性能与成本。

    推荐理由:Google DeepMind 推出的 Gemini 4 Hydrogen 专为高效智能体工作流设计,其引入的 Orchestrator 功能支持多模型动态调度,为开发者提供了更具性价比的执行引擎选择。

11月11日周三
  1. Google DeepMind76

    Google DeepMind 发布 AlphaGenome 2 模型

    Google DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2,该模型采用条件架构,能够预测 DNA 变异如何影响特定人类细胞类型及状态。相比前代,该模型在识别致病变异方面的性能提升近一倍,并支持在无需重训练的情况下分析新的细胞实验数据,现已通过 AlphaGenome API 向非商业研究开放。

    推荐理由:该模型通过条件架构实现了对特定细胞类型中基因表达的精准预测,为研究人员解析遗传变异与疾病机制提供了更细粒度的工具。

  2. Google DeepMind92

    Google 发布 Gemini 4 Carbon 模型

    Google 正式发布 Gemini 4 Carbon 模型,该模型在复杂智能体工作流、软件工程、科学推理及网络安全领域具备前沿性能。Carbon 现已通过 Google AI Studio API、Gemini 应用及 Google Antigravity 向开发者、企业和订阅用户开放,支持处理多步推理及深度验证任务。

    推荐理由:作为 Gemini 4 系列的最新旗舰模型,Carbon 在复杂智能体任务、科学推理及网络安全防御方面展现了前沿性能,为开发者和企业提供了更深度的逻辑处理能力。

10月29日周四
  1. Mistral AI92

    Mistral AI 发布 1 万亿参数开源模型 Mistral Large 4

    Mistral AI 正式发布 Mistral Large 4(代号 Le Chonk),这是一款 1 万亿参数的多模态模型,在编码、网络安全和推理效率方面表现领先。该模型支持三种推理模式,采用开源权重发布,旨在通过可定制和自托管的部署方式支持主权 AI 建设。

    推荐理由:Mistral AI 发布了拥有 1 万亿参数的 Mistral Large 4 模型,通过强化推理效率与安全性,为开发者提供了一个可自托管的开源权重方案。

10月28日周三
  1. Google Research68

    Google Research 发布睡眠框架:一种大模型持续学习的知识保留新方法

    Google Research 提出了一种名为“睡眠框架”的持续学习范式,通过在活跃交互与离线记忆巩固之间交替,使大模型能够将短期上下文转化为长期参数记忆。该框架利用 MoE 架构进行参数扩展,并通过知识蒸馏与自生成数据进行“梦境”自我优化,在保持原有知识的同时有效提升了长上下文处理、事实获取及复杂推理能力。

    推荐理由:该研究提出的睡眠框架通过模拟人类记忆巩固机制,为解决大模型持续学习中的灾难性遗忘问题提供了一种无需改变架构的参数更新方案。

10月15日周四
  1. Mistral AI80

    Mistral AI 发布 Timestral 时间序列基础模型系列

    Mistral AI 发布了首个时间序列基础模型系列 Timestral,包含 5M 至 209M 四种参数规模。该模型支持多变量概率预测,在 GIFT-Eval、TIME 和 fev-bench 等主流基准测试中表现优异,且无需 GPU 即可在 CPU 上高效运行,支持通过 Mistral Forge 进行领域微调。

    推荐理由:Mistral AI 发布了首个时间序列基础模型系列 Timestral,通过极小的参数规模在多个基准测试中实现领先,为企业级预测任务提供了高效的零样本推理与微调方案。

5月8日周五
  1. Berkeley AI Research78

    自适应并行推理:高效推理扩展的新范式

    本文探讨了自适应并行推理(APR)这一新兴范式,即模型根据问题复杂度自主决定何时并行、如何分配线程及协调任务。文章对比了固定并行与自适应控制的差异,分析了基于引擎修改(如 Multiverse)与引擎无关(如 ThreadWeaver)的两种执行路径,并讨论了如何通过强化学习激励模型实现高效的并行推理控制。

    推荐理由:本文系统梳理了自适应并行推理的范式演进与技术实现,为理解如何通过模型自主决策并行结构来优化推理效率提供了深度参考。

4月20日周一
  1. Berkeley AI Research68

    GRASP:面向世界模型的长程梯度规划方法

    研究团队提出了 GRASP,一种用于学习型世界模型的梯度规划方法。该方法通过将轨迹提升至虚拟状态以实现并行优化、引入状态噪声以增强探索,并重塑梯度以规避高维视觉模型中脆弱的状态输入梯度,从而解决了长程规划中计算图病态和局部极小值等难题。

    推荐理由:该研究针对长程规划中世界模型梯度不稳定的问题,提出了一种基于梯度松弛的随机规划方法,通过提升轨迹维度和重塑梯度提升了规划的鲁棒性与效率。