搜索：高级推理测试

「高级推理测试」共找到 3465 篇相关文章

仅100种子题，合成数据质量超GPT-5，阿里、上交提出Socratic-Zero框架

阿里巴巴与上交大联合提出 Socratic-Zero 框架，仅从 100 个种子问题出发，通过三智能体协同进化生成高质量课程。该框架合成数据质量超 GPT - 5 等，Solver 性能提升显著，工程友好，开启零数据自进化新路径。

DeepSeek-OCR模型探索视觉-文本压缩边界，用少量视觉token解码出10倍以上文本信息。它在OmniDocBench基准上表现超GOT-OCR2.0，为LLM长上下文问题提供方案，还能处理多类图像与近100种语言。

在 InfoQ 举办的 QCon 全球软件开发大会上，美图高级运维经理石鹏分享美图 SRE 团队故障应急与复盘实践，探讨故障应急各环节，剖析故障本质与原因，还交流 AIOps、LLM Ops 等技术。

芯片制造良率控制难题待解，传统方法各有局限。英伟达推出NV - Tesseract模型家族和NIM推理微服务，二者结合用于半导体晶圆厂生产，可实时发现问题、预测故障，降低成本，为制造打开新大门。

当前微调大语言模型成本高、不灵活，‘上下文适应’方法有短板。斯坦福大学等提出ACE框架，将上下文变为动态‘战术手册’，解决现有问题。论文通过实验验证其在性能、成本和效率上优势，为大模型发展指明新方向。

科研等领域图表是信息核心载体，先进开源MLLMs在高难度图表理解测试准确率低。本文提出ECD数据集，规模大、质量高、风格多样，还设计合成流水线与评测基准ECDBench，为开源MLLM提供支持。

X上有博主称DiT存在架构缺陷，其FID过早稳定，可能无法继续从数据中学习。还批判了DiT的设计，如使用后层归一化和adaLN - zero。DiT作者谢赛宁回应，强调做研究要基于实验，也指出DiT现存一些问题。

本月初 Google DeepMind 发布 Genie 3 引发关注，没过两周昆仑万维就推出开源交互世界模型 Matrix - Game 2.0，参数量 1.8B，单卡可跑，能实现实时长序列、交互式生成，经测试潜力大。

GPT-5智商高达148，在多基准测试表现亮眼获英伟达认可。OpenAI借“路由器”为ChatGPT商业化铺路，它能分流降成本、让免费用户接触深度思考模型，还可变身广告分配器，实现AI广告变现。

强化学习是大模型推理与对齐的核心方法，但常带来模型行为脆弱等问题。上海人工智能实验室徐兴成博士论文揭示‘策略悬崖’挑战，分析其成因，解释多种对齐失败现象，并提出对AI研究的启示。