Claude Haiku 5.5 降本背后：操作能力暴涨，复杂编程为何仍差一截？
模型开始按任务动态分配推理，超 10 万 Token 后，输入输出单价均涨 5 倍。 作者丨 郑佳美 编辑丨岑 峰 刚刚，Anthropic 发布了 Claude Haiku 5.5。 这次升级的幅度不小，尤其是在计算机操作方面，OSWorld 2.1 评测成绩从上一代的 15.7% 提升到了 72.4%。知识工作和复杂推理能力也有明显改善，而按照 Anth
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 4 / 18 页
-
-
Claude Haiku 5.5大幅降价，证明人工智能定价军备竞赛远未结束
Anthropic的新克劳德·Haiku 5.5在基准测试中击败了它的前身，在OSWorld计算机使用测试中从15.7%跃升至72.4%。代币价格下降高达90%，尽管一个新的代币化器通过每个任务消耗更多的代币来消耗这些节省。Claude Haiku 5.5的大规模降价证明了AI定价军备竞赛还远未结束，这篇文章首先出现在The Decoder上。
-
Terence Tao回应OpenAI Math下降
HN ð51· 16 评论
-
Anthropic发布Claude Haiku 5.5：具有100万上下文的小型模型，定价为每百万个输入代币0.10美元
Anthropic的Claude Haiku 5.5起价为每百万个输入代币0.10美元，保留100万个上下文，在OsWorld上得分72.4%。Anthropic发布Claude Haiku 5.5：具有100万上下文的小型模型定价为每百万个输入代币0.10美元的帖子首先出现在MarkTechPost上。
-
RL VR中探索与优化脱钩
作者：Saif Punjwani、Micah Goldblum|现代语言模型在已经训练的检查点之上进行具有可验证奖励（WLVR）的强化学习。WLVR的一个关键承诺是发现新的推理策略。原则上，模型可以对其之前训练数据中缺失的新颖想法进行采样。然而，在实践中，通过强大的新颖性激励来增强WLVR的成功有限，并且可能会降低模型质量。B
-
Long-WAM：扩展世界行动模型的背景
作者：黄伟、张博汉、刘晨志|实时机器人控制需要足够的视觉历史来推断运动和任务进度，但处理该历史可能会延迟行动。我们提出了Long-WAM，这是一个模型系统框架，用于在实时控制约束下扩展因果世界行为模型的上下文。我们的中心发现是，获取历史与使用历史不同：当视频被发现时，更长的历史会带来更大的回报
-
行动前重述：视觉-语言-行动模型中的语言敏感性特征和缓解
作者：Mikey Watts、Yenson Cui|视觉语言动作模型（VGA）对指令措辞极其敏感，并且不会继承其所基于的视觉语言模型的语言稳健性。一个词的编辑可以将成功提升数十个百分点：$pi_{0.5}$在“打开炉子”时100%的时间打开LIBERO炉子，在“打开热盘”时2%的时间打开，和一个经过重新短语修饰的$pi_0$检查点a
-
人工智能辅助证明11个方块的最佳填充
HN ð113· 52 评论
-
OpenAI在GitHub上丢弃了372个人工智能生成的数学证明，告诉学术界跟上步伐
OpenAI已在GitHub上发布了372个人工智能生成的数学结果，包括用于机器验证的精益形式化。每个结果平均消耗约三个小时的ChatGPT Pro计算时间。但25名菲尔兹奖获得者警告说，大规模产生的数学真理可能会破坏肥沃的土壤，而不是为生活带来新的想法。OpenAI在GitHub上丢弃了372个人工智能生成的数学证明，告诉学术界跟上步伐的文章首先出现在Th
-
Strands Decider 2B：一个小型开源决策模型
HN ð221· 65 评论
-
OpenAI一夜甩出722篇数学论文！黎曼霍奇BSD全上阵，数学家：读不过来
三位菲尔兹奖得主：不代表认可
-
Laya开发人员指南：零镜头决策和校准
探索Laya的全面编码指南，Laya是一个开源的零触发决策引擎。了解如何使用真实世界的BTC 150银行数据实现类型化决策、适应自定义温度并构建可靠的故障门。The post Laya开发者指南：零次决策和校准appeared first on MarkTechPost .
-
llm-西北风0.16
发布：llm-mistral 0.16添加对推理模型的支持，例如新发布的Mistral Large 4。标签：llm、西北风、llm推理
-
介绍Mistral Large 4：Le chonk
介绍Mistral Large 4：Le chonk Mistral重返游戏。今天，他们发布了Mistral Large 4的预览版，这是一个1万亿参数，490亿活动参数的模型，在他们自己的3，800个NVIDIA Grace Blackwell GPU集群上训练。预览可以通过他们的API获得。他们承诺在“本月底”发布开放重量模型。该模型通过Mistral
-
保形预测集量化信息收益：理论视角
作者：Kevin Zhang、Stephen Bates|保形预测是一种流行的不确定性量化工具，它输出具有有限样本覆盖率保证的预测集。虽然预测集大小通常被用作不确定性的启发式测量，但这种解释的信息理论基础仍然知之甚少。在这项工作中，我们使用信息量的决策理论概括提供了这样的基础
-
Mistral AI发布Mistral Large 4（Le Chonk）：1.05T参数多模态MoE模型
Mistral AI已发布Mistral Large 4（昵称Le Chonk）作为公开预览版。它是一个1.05万亿参数的专家混合模型，具有490亿个活动参数、原生图像输入和100万个令牌上下文窗口，在Mistral自己的欧洲数据中心的3，800个NVIDIA Grace Blackwell图形处理器上训练。API现已上线;开放重量将于2026年10月底发货