hiw3c 日报精选

推理能力

模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。

已收录 422 条 · 近 30 天 296 条 · 第 12 / 18 页

星期五 · 2 条
  1. 雷峰网·AI 科技评论中文媒体14:48中文快照

    深度解读：智谱为什么要在 Infra 层搞 RSI？

    电话会揭秘智谱策略，以递归式优化跑赢300亿算力成本战。 作者丨高允毅 编辑丨岑 峰 9月17日，唐杰罕见的发了一条长推，这次他聊的是最近最火的话题之一： RSI 。 智谱也在暗暗发力RSI，他们已经把RSI放到了 Infra层面 ，做出一套由GLM-5.3驱动的推理基础设施。正是这套Infra系统，让 GLM-5.3-Flash，即前段时间火遍全球的匿名模

    快照阅读原文 ↗
  2. 雷峰网·AI 科技评论中文媒体14:02中文快照

    英伟达开源 IMO 金牌配方：不仅是「人海战术」，1.5TB 显存做实 AI「 推恩令」？

    用三套 checkpoint 完成多轮证明搜索，用过程透明平息学术怒火，用 1.5TB 显存门槛锁定算力霸权。名为代码平权，实则算力集权。 作者丨 郑佳美 编辑丨岑 峰 9 月 9 日，NVIDIA 公布了 Nemotron 3 Ultra 在 2026 年 IMO 上使用的整套数学推理系统。 这套系统最终拿到 30/42 分，超过当届 29 分的金牌线。整

    快照阅读原文 ↗

星期四 · 15 条
  1. BestBlogs·AI 高分精选BestBlogs 精选23:58中文快照

    一万智能体集群如何求解 Navier-Stokes

    📌 One-Sentence Summary OpenAI 研究员 Noam Brown 讲解一支脚手架极简的 1 万智能体集群如何在 88 小时内消耗 1300 亿 token 攻克 Navier–Stokes，并梳理多智能体测试时扩展、RSI 瓶颈，以及合作共谋与脆弱思维链监控带来的对齐风险。 📝 Summary Dwarkesh Patel 访谈 Op

    快照阅读原文 ↗
  4. The Decoder国际媒体17:45快照

    下一篇：OpenAI的GPT-6 Astra在10小时内解密了一条纳粹无线电信息，这条信息在83年内一直没有得到解决

    彭博社的一名开发人员声称使用OpenAI的GPT-6 Astra破解了来自国防军的一条83年前的Enigma消息。这条1941年的82个字符的无线电信息包含一名士兵询问他的行军路线。该解决方案仍需要独立审查。文章OpenAI的GPT-6 Astra在10小时内解密了一条纳粹无线电信息，该信息83年来一直悬而未决。

    快照阅读原文 ↗
  7. MarkTechPost国际媒体14:19快照

    Google Research推出Retrieve-for-Train（R4 T）：一款RL编译的扩散检索器，可提高12倍至20倍的查询扇出速度

    谷歌研究中心推出了Retrieve-for-Train（R4 T），这是一种搜索框架，可以返回连贯、多样化的结果集。它使用强化度、多样性和对齐奖励，用RL训练了一次展开语言模型。然后，该模型合成53.9兆参数扩散检索器的训练数据。检索器只需一次就能生成所有检索方向，运行速度比自回归散开快12至20倍。尚未发布代码或模型权重。谷歌研究推出火车检索器（R4 T）

    快照阅读原文 ↗
  8. MarkTechPost国际媒体08:45快照

    Nunchux AI推出VC-Attention：一个免训练的低位注意力核心，可加速视频扩散变形器

    Nunchux AI发布了VC-Attention，这是一个为视频扩散变形金刚（DiTS）构建的免训练低比特注意力内核。它同时解决2个问题：值量化误差和缓慢的softmax阶段。为什么注意力是视频瓶颈视频DiT将剪辑压平为1个时空标记序列，并在每一层运行充分的自我注意力。A [.] Nunchux AI推出VC注意力：一种无需训练的低比特注意力核心，可加速视

    快照阅读原文 ↗
  14. arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:56快照

    历史相关伐木条件下非政策评估的指数硬度

    作者：Pranaya Jajoo|已记录的数据集是否可以频繁访问每个隐藏状态，但仍然无法提供有关目标策略价值的信息？我们表明，当记录器依赖历史时，它是可以的。对于每个地平线$H \ge 3$，我们构建两个POMDP，每个阶段最多有两个潜在状态、三个动作和一个具有三种记忆状态的公共记录器。行动覆盖、信仰覆盖和两种行为边缘

    快照阅读原文 ↗
  15. arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:41快照

    播放日志（N）-维基百科摘要问题：配对前沿模型之间的通信效率

    作者：Peter Potash|我们在两个智能体$\log（N）$-Questions游戏中评估了六个前沿语言模型。提问者看到$N$维基百科的开头段落，并且必须准确使用$\log_2 N$是/否问题来识别秘密选择的目标。回答者只看到目标和问题，并用一个词回答。这两个角色在同一个提供商上运行，因此游戏衡量模型与自身之间通信的良好程度

    快照阅读原文 ↗

星期三 · 13 条
  1. The Decoder国际媒体23:19快照

    前OpenAI研究员构建了一个人工智能模型，可以判断选项而不是编写文本

    TypSafe AI由前OpenAI研究员Diogo Almeida创立，正在发布一种故意不生成文本的模型。“Jev”不是聊天响应，而是为软件提供纯粹的分类，响应时间从70毫秒开始，代币价格极低。不过，这种方法并不能防止错误。系统仅保证严格遵守预设选项。前OpenAI研究员构建了一个人工智能模型，可以判断选项，而不是编写文本，这篇文章首先出现在The Dec

    快照阅读原文 ↗
  2. BestBlogs·AI 高分精选BestBlogs 精选21:39中文原文

    Altman 是否误解了 AI 的数学能力？

    📌 One-Sentence Summary Gary Marcus 认为 Sam Altman 关于 AI 超过顶级数学家的说法具有误导性，因为当前的模型依赖于暴力计算和符号验证，而不是生成新的数学洞察或理解。 📝 Summary 这条推特是对 Sam Altman 提出 GPT-6 Astra 能够解决人类专家无法理解的数学问题这一说法的反驳。Marcu

    原文 ↗
  9. arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:51快照

    智能家居的修剪会出现哪些问题以及何时出现？评估跨体系结构和任务复杂性的LLM退化

    作者：张聪静、瓦什什塔·帕蒂尔、亨宁·兰格|修剪可以降低大型语言模型（LLM）的部署成本，但其对基于上下文的工具调用的影响仍然知之甚少。我们系统地研究了跨越密集Transformer、密集混合和混合专家（MoE）架构的四个LLM的智能家居工具调用中修剪引起的降级，以及深度、宽度、混合和专家修剪方法。p之后

    快照阅读原文 ↗
  11. BestBlogs·AI 高分精选BestBlogs 精选01:21中文快照

    介绍 Gemini 3.8 Live 和 3.8 Live Extended Thinking

    📌 One-Sentence Summary Google 推出两款新模型，Gemini 3.8 Live 和 3.8 Live Extended Thinking，通过增强的推理、视觉接地和多步任务完成能力，提升了实时语音交互体验，服务于开发者和消费者。 📝 Summary 新的 Gemini 3.8 Live 模型代表了语音到语音 AI 的重大进步，提供

    快照阅读原文 ↗
  12. BestBlogs·AI 高分精选BestBlogs 精选01:07中文原文

    介绍全新 Gemini 音频模型：实时协同与深度思考

    📌 One-Sentence Summary Google AI 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，这两款先进模型让用户与 AI 的对话更加自然流畅，支持跨语言交流、视觉理解和复杂任务执行。 📝 Summary 该推文宣布推出两款新 AI 音频模型：Gemini 3.8 Live 和 Gemini

    原文 ↗