新闻资讯7

Thinking Machines Lab揭秘LLM推理不确定性

AINLPer2025-09-11

AI 摘要

Thinking Machines Lab指出大语言模型推理不确定性并非源于“并发 + 浮点”，而是负载和batch size不确定。通过让核函数有批次不变性可解决，实验证明有效，还能实现真正的在策略强化学习。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

人生周报v094：AI与人生感悟

本文是李继刚的第094期人生周报，收录每周优质观点句子，涵盖AI Agent发展、成长认知、生活感悟，推荐书籍启发AI时代思考。

本文报道OpenAI在API价格页悄然上线未正式发布的生命科学新模型gpt-rosalind-discovery，梳理OpenAI Rosalind产品线布局，对比头部厂商路径，分析AI+药物发现赛道商业化的机遇与挑战。

本文报道OpenAI攻克千禧年数学难题纳维-斯托克斯方程事件，探讨AI生成证明超出人类认知上限的现状，剖析AI对传统科研范式、学术体系的冲击与伦理困境

针对大模型长链推理、科研任务中无法自我验证结果可靠性的结构性缺口，清华团队推出开源项目VeriLoop E2，拆分模型探索权与外部证据提交权，在多场景完成验证，推进可验证智能发展。