研究发现，人工智能代理团队浪费了大量代币来获得几乎无法衡量的质量收益
根据Vals AI的说法，人工智能代理团队的表现几乎不超过单人代理，但成本高达5.1倍。使用GPT-6 Sol和Claude Opus 5.5进行的四次测试中只有一次显示出可测量的增益。Anthropic自己的数据支持这一点：超过10个代理商，质量稳定，而代币成本不断攀升。文章AI代理团队浪费大量令牌几乎无法衡量的质量收益，研究发现首先出现在解码器上。
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 3 / 18 页
-
-
让智能体掌控自己的推理：Du’an Lightfoot 与 Khaja Omer 的 Akamai GPU 部署实战
📌 One-Sentence Summary Akamai 工程师用 vLLM 实验把专用 GPU 推理变成可测量的工作负载决策，比较显存预算、缓存、FP8、推测解码与并发调优，并展示优化未必总会提速。 📝 Summary Du’an Lightfoot 与 Khaja Omer 通过一系列实验，讲解如何在专用 GPU 上为智能体工作负载提供推理服务。他们从
-
我将 4 款模型的推理档位调至「高」：只解决了一个问题，却为所有消耗买了单
📌 One-Sentence Summary 一项针对 4 款 LLM 的实证基准测试表明，将推理力度调至「高」除了在复杂逻辑谜题上有所斩获外，极少能提升任务准确率，却会显著增加 Token 消耗和推理成本。 📝 Summary 本研究推出了 Reasoning Dial，这是一个在 Kaggle 上预注册的基准测试，旨在评估在 4 款模型（gpt-5.4-
-
建立您自己的决策模型
HN ð63· 9 评论
-
MiniMax M3 如何构建：稀疏注意力与原生多模态训练｜Olive Song
📌 One-Sentence Summary MiniMax 研究员 Olive Song 解释了 M3 如何结合适配 GQA 的稀疏注意力与原生图文预训练，以及块级检索和从零融入视觉能力为何影响长上下文效率与视觉理解。 📝 Summary Olive Song 介绍 MiniMax M3：这款开放权重模型支持百万 token 上下文、编码智能体任务，并从预
-
微软的Decision-1模型进入快速增长的人工智能决策模型竞赛
通过Decision-1，微软进入了不断增长的决策模型领域。根据该公司自己的测试，它基于Qwen 3.5 - 9 B构建，并针对快速分类和路由进行了优化，在36个基准测试中，准确率达到83.5%，延迟时间为85 ms。微软的Decision-1模型进入快速增长的人工智能决策模型竞赛的文章首先出现在The Decoder上。
-
字节发现 DeepSeek 隐藏 Bug，加点空格，模型翻车
DeepSeek 的省钱杀手锏，为何成了致命盲区？ 作者丨 高允毅 编辑丨岑 峰 同一个问题问 DeepSeek 两次，只是多敲了几个空格，给出的答案居然一个像“天才”，一个像“智障”。 9月底，字节团队的最新论文 《Periodic Weak Spots: Phase Sensitivity from Chunked KV-Cache Compressio
-
Microsoft AI发布Microsoft Decision-1：Qwen 3.5 - 9 B决策评分模型
微软发布了Microsoft Decision-1，这是一个用于路由、分类、验证和代理控制的决策模型。Microsoft-Decision-1是一个决策评分模型，它为每个固定答案选项而不是生成的文本返回校准的概率。它经过阿里巴巴Qwen 3.5 - 9 B的后期训练，现已在Microsoft Foundry和OpenRouter中使用。. TL;DR什么是决
-
EP201 · 前 Intel CEO 谈硬件瓶颈、Ai2 分配算力、Amazon 以评测赢信任
📝 今日导语 前 Intel CEO 判断硬件瓶颈，Ai2 分配算力，Amazon 用客户反馈改进评测：掌握投资与交付的判断方法。 🏷 今日关键词： AI 硬件 GPU 时间预算 Nova Act 评测 Claude Science OpenViking 📰 今日精选内容 前 Intel CEO 谈硬件创业良机：AI 芯片、内存与能源瓶颈｜Pat Gelsi
-
Nace AI开源Drex 1.5：一个为选项而不是文本评分的9 B决策模型
Nace.AI开源Drex 1.5，这是一个9 B决策模型，可以返回1次向前传递中每个选项的概率。它在决策指数0.3.1上的得分为58.08，读取最多128 K代币。Nace AI开源Drex 1.5：获取选项而非文本的9 B决策模型首次出现在MarkTechPost上。
-
人工智能能否实现人工智能研发自动化？
HN5· 0 评论
-
Multi-Reward RL， Part 3: GDPO + CISPO + REPO-R at 27B， and the Advantage Floor That Stopped Learning
📌 One-Sentence Summary 本研究探索了不同的奖励聚合和策略优化方法（GDPO、CISPO、REPO-R）如何影响 27B 模型在结构化答案任务上的性能，揭示了虽然训练曲线看起来相似，但底层学习动态和泛化能力却大不相同，并且一个特定的 '优势下限' 保护机制导致了更难环境中的学习失败。 📝 Summary 这篇文章基于之前的工作，测试了奖励
-
数学家应该知道的关于精益定理证明器的内容：可靠性和AI
HN ð30· 2 评论
-
LLM 路由详解：如何选择合适的模型？
📌 One-Sentence Summary LLM 路由通过动态选择最合适的模型来优化成本，利用 token 计数、嵌入相似性或训练过的分类器等信号，在廉价、快速的模型与昂贵、高质量的模型之间进行平衡。 📝 Summary 本文探讨了 LLM 路由的概念，即根据请求的特点动态选择模型，而不是使用固定模型。文章讨论了路由的经济动机、用于决策的各种信号（如规则
-
0.2秒急停、秒级重规划！因果智能走进真实世界
这是一台机器人正在关闭微波炉门时，因人手突然插进来而紧急悬停的时间
-
字节找到了DeepSeek时强时弱的原因
答不答得对，得看Token站位
-
一个区块，多个深度：具有深度编程专家的重现视觉变形金刚
作者：Adrian Bulat、Yassine Ouali、Georgios Tzimiropoulos|在这项工作中，我们表明，循环应用的单个Transformer块可以在相当的推理FLOP下匹配全深度视觉编码器的准确性，而无需中间特征提取。reViT通过将每个重复深度的FFN表示为小型共享专家库的凸组合来恢复深度特定的转换。连续规范化深度坐标程序