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 13 / 18 页

星期二 · 9 条
  2. 雷峰网·AI 科技评论中文媒体17:38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 ↗
  3. 雷峰网·AI 科技评论中文媒体10:18中文快照

    强化学习大本营新作：如何破解「学新忘旧」困局

    阿尔伯塔大学团队提出FAME框架，给持续强化学习一个可求解的公式。 作者丨 邓哲敏 编辑丨齐铖湧 今天教会机器人拧瓶盖，明天再让它抓杯子，它可能又把拧瓶盖忘得一干二净。 反观人类，这类现象极少出现。人脑拥有成熟的记忆分工体系，新旧知识有序存储，习得新事物的同时不会冲刷掉旧有认知。 这套终身学习的机制，其实是当下大模型同样欠缺的。Demis Hassabis、

    快照阅读原文 ↗
  5. arXiv cs.AI/CL/LG信号源（脚本内置抓取）02:33快照

    腐败的计划，干净的痕迹：用计划注入逃避思想链监控

    作者：Keertana Chidambaram、Andrew Ilyas、Vasilis Syrgkanis|思想链（CoT）监控是一种安全策略，其中大型语言模型“参与者”的推理由“监视器”（通常是另一种语言模型）检查是否存在不安全规划、欺骗或失调的迹象。我们发现，在行为者的背景中植入有害但听起来善意的推理可以引导其在逃避监视器的同时采取对抗行动，我们将这种

    快照阅读原文 ↗
  6. arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:59快照

    行李员政策优化

    作者：宋卓青、徐昊天、张锡坤|具有可验证奖励的强化学习（WLVR）提高了大型语言模型（LLM）的推理能力。我们引入Bellman Policy Optimism（BPO），这是一种源自Policy Mirror Down（PSO）的无批评方法。对于具有最终回报的自回归生成，BPO使用Bellman方程将PDC重新表述为个体级目标。重新配方避免了刺激

    快照阅读原文 ↗
  7. arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:58快照

    恒星斗兽场：数学和理论计算机科学长期研究的多主体平台

    作者：林鸿浩、David P. Woodruff、Yuan Deng|语言模型可以产生看似合理的简短证明，但在长期研究问题上可能仍然不可靠，因为长期研究问题的进展取决于一系列不确定且相互依赖的决策。我们介绍恒星斗兽场，这是一种模型不可知的工具，用于在数学和理论计算机科学的研究中分配推理。罗马斗兽场在证明之前探索替代策略

    快照阅读原文 ↗
  8. arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:58快照

    选择的未来仍可以被重写：视频模型中的因果关系

    作者：王星运、郑浩民、曼远|当视频模型生成物理上不正确的运动时，它是否无法学习正确的运动，或者它学习了它但无法使用它？我们展示了后者：正确的运动在模型内仍然可用，并且仍然可以控制生成的视频。我们在红色物质缓慢振荡、蓝色物质快速振荡的视频上进行训练，然后用观察到的快速运动来测试红色物质

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

    通过方向分解解开变形金刚中的表示进化

    作者：何世伟，张海超，沈岩|Transformer表示通过学习的加法变换来进化，这些加法变换要么保持它们当前的方向，要么重定向它。我们将这种进化作为一个功能几何来研究，将学习的更新分解为平行和垂直分量。在经过预训练的模型中，我们发现剩余身份路径之外的大量并行组件。然后我们在两个部分中应用分解

    快照阅读原文 ↗

星期一 · 6 条
  3. 雷峰网·AI 科技评论中文媒体17:36中文快照

    具脑磐石发布业界首个类脑认知世界模型 Cog-WM 1.0

    9月14日，上海具脑磐石科技有限公司（以下简称"具脑磐石"）在其承办的 2026 浦江创新论坛·类脑具身智能分论坛——全球首个"类脑具身智能"专题论坛——正式发布全球首代类脑认知世界模型 Cog-WM 1.0。 Cog-WM 1.0 是全球首个基于成体系类脑神经机制研发的类脑隐空间预测世界模型，完成了从主动探索具身导航（Navigation）到价值引导具身操

    快照阅读原文 ↗
  6. MarkTechPost国际媒体01:02快照

    普林斯顿大学的一位研究人员提出了循环循环Transformer（RLT），它在每个令牌上承载解码器状态，以无限的时间深度固定每个令牌96个块

    张一帆的循环循环Transformer（RLT）技术报告提出了一种因果编码器与循环解码器配对，该编码器在每个提示和响应令牌上携带最终隐藏状态和逐层滑动窗口注意力缓存，而服务边界没有重置。参考绑定配置使用48个编码器层和48个解码器层，每个令牌执行96个逻辑块，而状态路径在t个令牌后增长到48 t个解码器块。该设计还指定了围绕循环核心的硬件感知执行和精确的当前

    快照阅读原文 ↗

星期日 · 4 条
  2. MarkTechPost国际媒体07:56快照

    Cognition发布SWE-2：Kimi K3后训练编码模型，与FrontierCode上的Fable 5.1相匹配，成本降低64%

    Devin编码代理背后的Cognition公司发布了迄今为止最强大的编码模型SWE-2。SWE-2采用Kimi K3（Moonshot AI的2.8T参数开放模型）的强化学习进行后训练。Cognition在FrontierCode 1.1 Main上的得分为50.0%，在Fable 5.1的1分以内，成本降低64%。认知发布SWE-2：一个Kimi K3后训

    快照阅读原文 ↗

星期六 · 6 条
  1. The Decoder国际媒体22:26快照

    GPT-6 Astra似乎显示出基于早期基准的空间推理的“阶梯式变化”

    在新的机器人基准测试中，GPT-6 Astra在空间理解方面表现出了重大进步。在StationeryBench上，该模型使用双臂机器人完成了100项任务中的7项，而竞争对手MolmoAct 2却无法完成一项任务。一位研究人员称之为“空间推理的阶跃变化”。GPT-6 Astra的文章似乎显示了基于早期基准的空间推理的“阶梯式变化”，该文章首先出现在The De

    快照阅读原文 ↗