算法论文8

港中文&华为：大模型推理可靠性评估基准问世

机器之心2025-07-16

AI 摘要

港中文与华为联合提出ReliableMath基准。它有评估准则，含可解与不可解问题的数据集。实验发现大模型推理可靠性差，加入允许拒答指令有改善，还提出对齐策略提升小模型可靠性。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Anthropic营收反超OpenAI，IPO占优

IPO前夕，Anthropic最新年化营收达650亿美元，8个月翻超7倍，反超OpenAI。双方在资本市场竞争激烈，A社在起跑时间、财务、商业模式上占优，但OpenAI用户规模和产品生态占优，目前A社牌面更好。

OpenAI发布内部版模型Astra的十项成果，引发数学界震动。菲尔兹奖得主Timothy Gowers分析其成果，指出AI优势在‘输得起’，还探讨找例方法、模型短板，给出训练建议与衡量跨越门槛的标准。

随着模型规模增长、新应用兴起，大模型基础设施面临管理「张量状态」挑战。北大、阶跃星辰与北邮联合提出 TensorCast，解耦张量状态，复用管理能力，在多场景测试中表现出色，为大模型基建提供新范式。

掌握内幕的草莓哥爆料，Ilya正构建以TTT为核心的小型推理引擎。他预见传统大模型的死穴，SSI将TTT概念落地，其引擎在数据效率等方面优势明显。SSI获投资，本月或发新模型。