搜索：大模型自信问题

「大模型自信问题」共找到 9547 篇相关文章

答对之后还能学，答错之后也有用：重新理解推理轨迹的训练价值

本文结合EchoRL、ReflectRL两项最新研究，重新解读推理轨迹的训练价值，解决全答对无强化信号、错题全丢弃的训练痛点，梳理方法设计、实验结果与适用边界，为大模型推理训练提供新参考。

随着合成数据增多，模型需判断数学数据题目能否被信任。北大DCAI团队提出MathDebugger质检BenchMark，覆盖问答两端，评测主流LLM和PRM。还探究能否判断正误、分类错误、修复数据，证明错误标签可作监督信号。

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。

4月30日DeepSeek发布多模态论文，核心是“视觉原语”，让模型边推理边输出坐标。它是七大coding agent玩家中最后接入视觉的，但补课方式反共识，不堆分辨率堆指代精度，效率高，拓扑推理成绩领先。

华为泰勒实验室等团队提出 SHAPE，给推理链装「里程碑 + 推理税」机制。它分三步，能统一势能增益度量、阶段难度感知和 token 效率约束。实验显示，它提升准确率、降低 token 消耗，还解决了推理坍缩等问题。

Anthropic宣布Claude Pro和Max订阅用户不得将额度用于第三方Agent框架，引发各方反应。Xiaomi MiMo大模型负责人罗福莉指出，当前token计费模式难应对挑战，需更优算力使用方式，还介绍了小米MiMo Token Plan。

大型语言模型智能体常孤立运行，难从经验学习。SKILLRL受人类技能启发，提出有效经验迁移需抽象。它通过经验驱动的技能蒸馏、分层技能库和递归技能进化机制，在多实验中表现出色。

微软提前发布自研AI芯片Maia 200，基于台积电3纳米工艺，性能超竞品，是其异构AI基础设施重要部分，将支持多个大模型，已部署在美中数据中心，还开放Maia SDK预览。

在2025全球计算大会上，华为云提出Versatile智能体平台与CloudDevice云终端协同方案，致力于破解大模型行业落地痛点。该方案激发AI端侧应用可能，释放云端潜力，已在多行业展现变革价值。

历时50年的「十杯马提尼猜想」被北大Lingrui Ge等学者证明。该猜想连接量子物理和数学，为解「霍夫施塔特蝴蝶」之谜。他们基于「全局理论」找到对偶方程，成果发表在arXiv，还攻克另外两个关键问题。