算法论文7

Meta等：LLM作改进操作符突破推理极限

机器之心2025-10-03

AI 摘要

Meta等机构研究者将LLM视为改进操作符，探究PDR推理方法。实验表明，PDR在数学任务中准确性优于长思维链，操作符一致性训练能减少训练与部署的不匹配，提升准确性。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

孙鹏加盟星尘智能，强化机器人后训练

9月2日消息，前字节跳动Seed团队强化学习专家孙鹏博士加入星尘智能，负责机器人强化学习方向。星尘智能有技术、资本和商业优势，孙鹏经验丰富，此次加入将助力其强化学习后训练发展。

9月1日，Anthropic发布Claude Fable 5.1和Claude Mythos 5.1，二者用相同底层模型，区别在安全限制和开放范围。Fable面向订阅用户和企业，Mythos仅向少数审核机构开放，此次还尝试新的开放方式。

香港科技大学（广州）联合腾讯AI平台部提出VibeWorlding，是可通过多轮对话等自主构建和编辑交互式3D世界的多模态智能体框架。团队开源多项数据，其模型经强化学习后表现超GPT - 5.5等。

据外媒报道，DeepSeek今年前七个月营收约4.75亿，较2025年全年增长近10倍，净亏损收窄，综合毛利率44.6%，API业务毛利率达82.9%。它正磋商500亿二轮融资，筹备明年沪上市，靠优化基建降本，低价策略吸客。