「证明验证」共找到 1192 篇相关文章
推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限
大语言模型在数学证明常现推理漏洞，斯坦福等高校团队提出IneqMath基准评估其严谨性。用不等式证明题切入，拆解为子任务，构建评测体系，用LLM - as - Judge审查。结果显示模型推理正确率低，存在结构性缺陷。
像开发软件一样造世界，Agent2World来了，把世界模型做成可运行的符号环境
为让模型真正“能行动”，需可执行、可验证的符号世界模型，但现有自动生成路线有困局。研究团队提出 Agent2World，经实验验证有显著效果，能稳定产出高质量符号世界模型，开辟 AI 理解现实环境新可能。
Codeforces难题不够刷？谢赛宁等造了个AI出题机，能生成原创编程题
LiveCodeBench Pro团队推出AutoCode框架，利用LLM自动化竞赛编程问题创建与评估。该框架结合验证器 - 生成器 - 检查器框架与双重验证协议，在测试用例生成上可靠性佳，还能生成新问题，同时揭示了LLM在创作上的优劣势。
专访酷哇杨学：世界模型的下半场，是把一次成功变成长期服务｜甲子光年
在2026世界人工智能大会上，具身智能行业关注点从机器人能动转向能否进入真实场景干活。酷哇科技宣布杨学出任首席科学家，共建通用具身智能联合实验室。杨学认为行业应从证明技术转向证明实用，解决机器人在真实场景的长期稳定运营问题。
Yann LeCun炮轰通用智能完全是BS！Demis Hassabis回怼：大错特错
Yann LeCun在采访中称世上无“通用智能”，认为该概念是胡扯。Demis Hassabis回怼，指出LeCun混淆概念，并从大脑特性、理论可行性及人类文明跨越三方面反驳。
刚刚，谷歌Gemini 4 Argon上线，API价格限时五折
本文报道谷歌DeepMind刚刚上线Gemini 4 Argon大模型，介绍其核心能力、多领域应用案例与定价信息，模型聚焦复杂任务处理，当前API开放且限时五折优惠。
特斯拉加码机器人触觉，DeepSkin厚积十年，剑指薄膜式触觉新赛道｜甲子光年
本文报道特斯拉最新公开的人形机器人三维柔性触觉传感器阵列专利，同时介绍国内DeepSkin品牌依托十年柔性电子研发制造积累，布局薄膜式机器人触觉新赛道的进展与优势。
谷歌物理真觉醒！全新Gemini 4 Argon一大波实测来了
本文带来谷歌新发布Gemini 4 Argon大模型的多场景实测，对比竞品性能价格，验证其物理推理能力，同时曝光该模型现存问题。
泛化性暴涨47%！首个意图检测奖励范式，AI工具爆炸时代意图识别新解法
随着大模型和工具增长，AI 助手意图识别遇新挑战。腾讯 PCG 团队用强化学习等方法，提升模型泛化能力，还从多方面剖析优势，最后提出未来研究方向。
何恺明首个语言模型：105M参数，不走GPT自回归老路
何恺明团队推出全新连续扩散语言模型ELF，不走GPT自回归老路。它将生成过程留在连续embedding空间，最后离散化变回token。ELF用较少参数、训练token和采样步数，跑赢主流扩散语言模型。