跳到正文

技术方向

推理能力 最新动态

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。

54 条精选近 30 天 35 条共收录 330 条

更新

推理能力的精选

11月21日周六第 1–20 条
  1. The Decoder83

    OpenAI 发布 GPT-6.2 Astra 与 Sol 的新提示词建议

    OpenAI 为 GPT-6.2 Astra 和 Sol 发布新的提示词模板,覆盖写作风格、主动性和编码,并建议迁移开发者重新检查系统提示。Astra 默认比早期模型更简洁直接,开发者应重新考虑“be concise”类指令;模型在意图不清时应做出可逆假设并继续工作,仅在任务范围重大变化、真实阻塞、需用户决策或不可逆操作前暂停。

    推荐理由:原文汇总了 OpenAI 针对 GPT-6.2 Astra 和 Sol 的系统提示建议,读者可直接对照调整现有 prompt 并了解 API 行为变化。

  2. Latent Space82

    Anthropic 数学家称与 Claude 合作证明黎曼假设,同日另有一人发布纯人工证明

    Anthropic 数学家 Levent Alpöge 称在 Claude 协助下证明了黎曼假设,仅发布 1.3GB、约 25 万页等价的 Lean 代码而非完整论文;Elliot Glazer 确认形式化命题为 GRH,估计 Lean 出 bug 概率远低于 1%,代码仍在编译。

    推荐理由:原文并置了 Claude 生成、可机器验证但无人能通读的 Lean 证明与人类撰写、可读但待审的 940 页证明,读者可借此思考验证与理解的分离。

  3. OpenAI News71

    OpenAI 详述对抗性蒸馏防御与受保护推理防护进展

    OpenAI 分享其检测与打击对抗性蒸馏的防御体系,并强化了 GPT‑6.2 Astra 与 GPT‑6.2 Sol 的受保护推理防护,内部自适应黑盒评估中攻击成功率从 GPT‑6 Astra 原有防护下的 54.0% 降至 0.2%。

    推荐理由:原文给出了对抗蒸馏的攻击路径与多层防御设计,读者可了解保护推理痕迹为何成为模型安全的关键环节。

11月20日周五
  1. AWS Machine Learning Blog63

    Amazon SageMaker AI 推出跨区域推理路由,区域容量不足时自动转移推理流量

    AWS 为 Amazon SageMaker AI 推出跨区域推理路由,应用调用一个 inference router 即可访问多个 Region 和 AWS 账户下已运行的端点;本地目标健康时流量留在本 Region,目标无法可靠服务时新请求自动转移到其他已注册目标,恢复后再逐步回迁。

    推荐理由:原文把健康度评分、故障转移和回迁策略讲得较细,读者可判断能否用它替换自建的跨区域路由代码。

11月19日周四
  1. IT之家76

    阿里巴巴 CEO 吴泳铭:2027、2028 年将是中国算力最紧缺的两年

    阿里巴巴集团 CEO 吴泳铭在 2027 财年第二季度财报分析师电话会上表示,2027 年和 2028 年将是中国算力最紧缺的两年。他称 2027 年以后阿里云芯片供给都会以国产平头哥芯片为主,旗舰芯片优先满足大模型训练,推理层面会采购更多其他国产芯片;千问已经在平头哥芯片上训练下一代模型,百炼已经基于国产芯片提供模型推理服务。

    推荐理由:原文给出了未来两年国内算力供需的判断和国产芯片替代时间表,读者可据此评估国内 AI 算力格局。

  2. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Neon

    Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学工作流,今日起在 Gemini API、Google AI Studio、Gemini for business、Google Antigravity 和 Gemini app 逐步推出。

    推荐理由:原文给出 Neon 与 Carbon 在多项基准上的成本和性能对比,读者可据此判断它在复杂工作流中的性价比。

  3. AWS Machine Learning Blog63

    Amazon SageMaker JumpStart 推出模型排行榜

    AWS 在 SageMaker Studio 中推出 JumpStart 模型排行榜,可横向比较 70 多个开放权重模型的质量、速度和成本,模型来自 Meta、Google、Qwen、IBM 和 Arcee 等提供商。

    推荐理由:原文说明排行榜如何用统一方法测量质量、速度与成本,读者可据此建立从筛选到部署的选型流程,不必再拼接不同来源的数据。

11月18日周三
  1. Latent Space83

    OpenAI 发布 GPT-6.2 Astra 与 Sol:更便宜但评价分化,Sol 或成主力

    OpenAI 发布 GPT-6.2 Astra 与 Sol,Astra 在 Artificial Analysis 的 Intelligence Index 得 62 分、仅次于 Fable 5.2 的 65,Sol 以约 15% 的单任务成本追平 9 月版 Astra。

    推荐理由:汇总了 Artificial Analysis、Vals 等第三方评测与定价数据,读者可直接对比 Astra、Sol 与 Fable 5.2 的性价比和口碑分歧。

  2. IT之家78

    微软发布 Microsoft-Decision-1.1 决策模型,基准得分领先 GPT-6 Luna 与 Gemini

    微软宣布正式推出 Microsoft-Decision-1.1 决策 AI 模型,已在 Microsoft Foundry、OpenRouter 和 Vercel 上线,输入 token 定价为每百万 token 0.042 美元起。

    推荐理由:原文给出基准得分、分区定价与内部 Copilot 路由实测数据,读者可对比通用大模型在决策任务上的成本与速度差异。

11月17日周二
  1. The Decoder77

    GPT-6 Astra 辅助攻克标准模型格点计算 50 年难题

    物理学家 Nathaniel Craig 在 OpenAI 博客和预印本上介绍了一项与 GPT-6 Astra 合作完成的证明,可能解决粒子物理格点计算中逾 50 年的难题。

    推荐理由:原文把这项成果放回格点场论数十年的技术脉络中,读者可看清 GPT-6 Astra 具体补上了哪一环,以及离真实模拟还有多远。

11月15日周日
  1. The Decoder79

    Anthropic 称过时提示词习惯拖慢 Claude Opus 5.5

    Anthropic 表示 Claude Opus 5.5 现已成为 Pro、Max、Ultra 和 Team 套餐的默认模型,并建议用户删掉“think hard”等继承自旧模型的提示词,因为该模型会自行推理并按任务与努力档位调整深度。

    推荐理由:原文汇总了 Anthropic 官方对 Opus 5.5 的提示词建议,读者可对照调整旧用法,避免多余指令和过高档位增加成本。

11月14日周六
  1. Google Research84

    Google 借 Antigravity /teamwork 在科学与工程领域取得多项突破

    Google Research 报告称,Antigravity /teamwork 多智能体工作流结合 Gemini 4 Argon 等模型,在数学、形式化验证、分子化学和系统工程领域取得一系列成果,相关工具已开始向外部研究者和开发者开放。

    推荐理由:原文用大量实例说明并行探索加独立证伪器的多智能体模式如何攻克多年未解难题,读者可据此设计自己的验证式工作流。

11月13日周五
  1. Hugging Face Blog73

    llama.cpp v1.0.0 发布:为本地 AI 生态提供更稳固的基础

    llama.cpp 正式发布库 v1.0.0,同时 ggml 也发布 v1.0.0,标志着这一跨平台本地推理项目进入 API 稳定阶段。今后 llama.cpp 和 ggml 将通过主版本号反映公共 C API 和 ABI 的不兼容变更,并遵循语义化版本规则。

    推荐理由:v1.0.0 明确了 API 和 ABI 稳定性承诺,依赖 llama.cpp 的下游应用可以据此规划升级与集成。

  2. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Hydrogen

    Google DeepMind 发布 Gemini 4 Hydrogen,定位日常编码与智能体工作流的快速执行模型,即日起在 Gemini API、AI Studio、Gemini app、Google Search 等全端开放。

    推荐理由:Hydrogen 与 Carbon、Argon 形成快慢分工,并带来多模型编排入口,读者可据此重新规划编码与智能体工作流。

11月11日周三
  1. Google DeepMind83

    Google DeepMind 发布 Gemini 4 Carbon 模型

    Google DeepMind 宣布 Gemini 4 Carbon 面向开发者、企业、科学家和消费者开放,定位为网络安全、长程智能体工作流与科学推理的最强前沿模型。

    推荐理由:原文将 Carbon 与 Argon 做了明确分工,并给出基准排名与价格,读者可判断该把它用在哪些最复杂的任务上。

11月10日周二
  1. Simon Willison78

    Meta AI 发布最小高效模型 Muse Ember

    Meta AI 发布新模型 Muse Ember,官方称其为最小、最高效的模型,面向复杂推理执行以及智能体重复执行的工具调用、编码子任务、路由、提取和长文档解析。

    推荐理由:原文将 Muse Ember 与 GPT-6 Luna、Claude Haiku 5.5 的定价及 Artificial Analysis 效率前沿放在一起比较,可帮助读者判断小模型选型。