算法论文8

COUNTERMATH戳破大模型数学“刷题假象”

深度学习自然语言处理2025-08-25

AI 摘要

清华等团队：提出反例推理评测基准COUNTERMATH，测试20多个主流数学大模型，发现多数模型表现差，靠“刷题”不行，而小样本微调能提升模型数学概念理解与推理能力。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

OpenAI自研芯片「墨西哥辣椒」跑赢英伟达

OpenAI公布自研推理芯片Jalapeño（墨西哥辣椒）测试结果，它专为大语言模型推理设计，能同时提升吞吐量和降低延迟，在多模型测试中超NVIDIA系统。该芯片与Cerebras合作，计划2026年底部署。

七月，DigClaw的预测框架Rhizome v1在FutureX评测平台取得优异成绩，支持了预测能力可沉淀在基座模型之外的判断。大语言模型不擅长预测，而DigClaw构建了以因果结构为骨架的预测基础设施。

浙大陈静远教授课题组等提出自适应非对称适配器，放弃对图像分支硬性微调，引入预测置信度自动给视觉塔‘踩刹车’。经实验总结出微调三大核心洞察，在多个数据集测试中表现优异。

牛津大学和新加坡国立大学研究团队提出心智世界建模（MWM）通用框架，将心智变量纳入世界状态。还实现基准系统 MENTIS 验证其有效性，实验表明 MWM 对预测人类决策必要，瓶颈是状态转移模拟能力不足。