「数学推理能力」共找到 4752 篇相关文章
OpenAI谷歌Anthropic罕见联手发研究！Ilya/Hinton/Bengio带头支持，共推CoT监测方案
OpenAI、谷歌DeepMind、Anthropic联合发表立场文件，提出CoT监测概念，认为是控制AI Agent核心方法。探讨其潜在机遇、局限，还提及不同公司对CoT监测的不同态度，如OpenAI乐观，Anthropic焦虑。
刚刚，马斯克发布Grok-4，在各大基准测试上表现太猛了。
马斯克的 xAI 发布 Grok - 4，在各大基准测试表现出色，如 AIME25 拿满分、GPQA 领先等。第三方测评显示其登顶，编码和数学指数居首。价格与 Grok 3 相同，今日上线但价格高，甚至有已售罄情况。
大模型首次直接理解代码图：不用Agent自动修bug，登顶SWE-Bench开源模型榜单
蚂蚁开源新模型CGM，首创将仓库代码图模态融入大模型，不依赖闭源模型和复杂Agent，仅需4步就能快速定位、生成补丁。它在多个测试基准中领先，技术论文等均已开源。
图灵奖得主 Yoshua Bengio 智源大会最新演讲：关于AI，我改变了信念，也改变了研究方向
2025年6月6日，图灵奖得主Yoshua Bengio在第七届智源大会发表演讲。他目睹前沿AI行为演化后深感警觉，决定调整科研方向以降低AGI潜在风险，还分享AI“求生”案例，提出构建“科学家AI”新理念。
奖励是假的，能让Qwen提升25%性能却是真的！
华盛顿大学博士生团队用Qwen模型对虚假奖励进行RLVR，使MATH - 500准确率显著提升约25%。研究发现RLVR不考虑奖励正确性，还分析了虚假奖励有效的原因，提示现有研究要在非Qwen模型验证。
InfoDeepSeek：首个开放网络环境下的智能体信息搜寻质量评估基准
上海交通大学与华为诺亚方舟实验室联合推出InfoDeepSeek，它是首个评估真实动态网络环境下智能体信息搜寻质量的基准。该基准有挑战性问题、真实动态环境等亮点，还开展实验揭示智能体行为特性。
Agent进入下一篇章！Alita：不靠人工预设，自己造工具，成绩碾压OpenAI
当前AI Agent依赖人工预设，存在工具不够用、缺乏创造力、兼容性差等问题。Alita秉持少预设多进化理念，用MCP协议，架构含三大模块，实验成绩超OpenAI，还能让小模型提效。
字节开源高效解析文档图像的新型多模态模型Dolphin，快速将复杂的文档图像转化为结构化数据。
字节开源新型多模态模型Dolphin，采用“先分析后解析”范式，能将复杂文档图像转化为结构化数据。它有卓越性能和多种特性，还提供安装、推理使用指南。
北大校友，OpenAI前安全副总裁Lilian Weng最新万字博客文章：Why We Think
北大校友Lilian Weng新发布万字博文《Why We Think》，系统梳理让AI模型‘多想一会儿’的前沿方法及逻辑，深入剖析多种机制突破AI性能瓶颈的理论、技术与进展，还提出一系列待解决的开放性问题。
「AI大咖谈」顶尖量化机构Quant谈"算法工程师"转量化方向的可能性与优劣势
文章是对顶尖量化机构量化研究员的匿名访谈，探讨算法工程师转量化方向的可能性与优劣势，涉及收入、考核、压力、技能差距等方面，还提及量化岗位分类、市场环境及对机器学习的依赖程度。