推理能力

Reflection's Beam成为中国以外建造的最有能力的开放重量模型

Reflection发布了其首款开重模型Beam。该混合专家系统每个代币仅激活5010亿个参数中的230亿个，旨在在编码和推理方面与GLM 5.2相匹配，同时使用的计算量减少三到四倍。针对Deepseek和Qwen等中国公开量级竞争对手的策略是效率高于原始表现。文章《Reflection ' s Beam成为中国境外制造的最有能力的开重模型》首次出现在The

分享人工智能在数学方面的进展

OpenAI发布了来自内部前沿模型的数学开放问题的新结果，并在GitHub上分享了Lean证明形式化和研究详细信息。

陶哲轩深夜力挺！抢在OpenAI发布前夜，Caltech物理AI攻克百年难题 - 智源社区

Reflection AI推出Beam：501 B开放重量MoE模型，具有23 B主动参数，用于编码和统计工作负载

Reflection AI推出了其首款开重模型Beam。它是一个501 B稀疏专家混合模型，具有23 B活动参数，专为编码和代理工作而构建。Reflection表示，它在推理方面与GLM-5.2相匹配，推理计算量减少了3到4倍。Apache 2.0权重将于2026年10月晚些时候发布。帖子Reflection AI推出Beam：一种501 B开放重量MoE模

Reflection首次推出Beam，这是一个开放权重的AI模型，以较低的计算成本与中国模型竞争

反思将Beam和未来模式瞄准企业和主权国家。其宣传是建立“人工智能工厂”，这是一种产品，让机构通过在自己的专有数据上训练Reflection的人工智能模型来构建自己定制的本地人工智能系统。

Beam：Reflection的501 B开重模型

HN ð309· 87 评论

基本模型可以通过从训练数据中获取线索来推理

作者：Sophie L.王、阿米尔·德拉维德、绍儒林|在本文中，我们研究了训练数据如何在基础模型响应开始时的标记与随后的推理行为之间创建关联。首先，我们证明，修复特定的起始令牌线索可以使基本模型的性能与其在数学和编码方面的强化学习（RL）训练的对应模型的性能具有竞争力。例如，提示“。\ n\n好吧”上升

倾斜扩散采样器的直接中间采样器

作者：Gregory D.贝尔钱伯斯|一些扩散后验采样器沿着反向过程构建高斯倾斜中间分布。我们观察到，这些目标可以在条件反射较弱的情况下被拉回到清洁空间后验，样本通过高斯桥以分析方式传输到相应的噪音空间目标。对于序贯蒙特卡罗（SMC）采样器MCGDiff，有效观察

走向正确的循环模型，第二部分：定点重新思考

作者：黄本浩、石楚凡、陈俊林|循环语言模型的每次重复都会增加训练、解码、预填充和强化学习（RL）的成本。循环状态越接近固定点，到达它们的路径就越不重要。这可以在训练中实现截断反向传播;共享用于解码的终端密钥值（KV），几乎没有损失准确性;经过提炼的学生预填充速度可提高1.79倍;以及RL更新

CLift：Web代理培训和测试时扩展的共形自我验证

作者：张亦凡、戴宇桐、维拉吉·普拉布|开源网络代理现在已经足够强大，可以执行现实的浏览器任务，但是用强化学习训练它们仍然依赖于弱监督：二进制任务成功对于信用分配来说太稀疏，而前沿语言模型判断器太昂贵，无法在每一步调用，并且不能假设在部署时可用。我们引入CLift，这是一种培训和测试时间扩展方法

Yandex推出Sona：取代整个推荐级联的单代推荐器

一位Transformer在Yandex Music的A/B测试中进行了候选人生成和排名，没有手工设计的功能，支持率上升了11.42%。Yandex推出Sona：取代整个推荐级联的单代推荐器这篇文章首先出现在MarkTechPost上。

Qwen 3.8 27 B文字添加

研究：Qwen 3.8 27 B补充Colin Frasier在Bluesky上发布了一项实验，讲述了他两年多前使用GPT-4 o进行的一项实验，以观察它在越来越大的数字中“计算总和并以文字返回答案”的效果如何。以下是他分享的这些结果的图表：我相信GPT-4 o没有作弊并使用计算器，特别是因为它有很多计算错误，但我受到启发，在本地硬件（DGX Spark）上

Cloudflare表示，其新的Clef模型意味着人类不再需要参与AI代理的循环

借助Clef和Clef-Flash，Cloudflare正在挑战TypSafe AI的Jev决策模型。Clef-Flash在大约39毫秒内提供分类，比Jev快十倍多。这两个模型都是基于Qwen构建的，在Apache 2.0下获得许可，旨在让人工智能代理在不生成文本的情况下做出结构化决策。文章Cloudflare表示，其新的Clef模型意味着人类不再需要参与其

来自Redis的创建者;使用ds 4在本地运行LLM

HN ð6· 1 评论

GPT-6系列型号指南

了解初创公司如何选择GPT-6模型、调整推理工作、改进提示和技能、协调工具以及准备生产工作流程。

像Jev这样的决策模型无法击败LLM作为法官或传统分类器

HN5· 0 评论

不要被愚弄--LLM不会推理

2016年3月的一个下午，在首尔，我观看了我帮助制作的一个程序，在棋盘的第五行上放了一块石头，看起来就像是送给人类对手的礼物。这场五场比赛的第二场比赛中的第37步看起来如此荒谬，以至于一些评论员认为这是.

Cloudflare发布Clef和Clef-Flash：开放权重决策模型，返回类型概率而不是文本

Cloudflare发布了Clef（27 B）和Clef-Flash（9 B），这是开放权重决策模型，可以返回输入概率而不是文本。它们与Jev-API兼容，接受图像，并在Workers AI上以209.3 ms和38.8 ms的平均延迟运行。Cloudflare发布Clef和Clef-Flash：返回类型概率而不是文本的开放权重决策模型首次出现在MarkTe

NVIDIA图形处理器如何帮助加速OpenAI的GPT-6 Astra Ultrafast

GPT-6 Astra Ultrafast在NVIDIA Blackwell图形处理器上运行，现已在OpenAI API中提供，并向符合资格的ChatGPT Work和Codex用户提供。Ultrafast通过利用NVIDIA Blackwell架构功能的OpenAI模型进行推理优化来加速，提供的代币生成速度比Astra标准模式快8倍。对于开发人员来说，[.

FERPO：前向熵正规化政策优化

作者：Sebastian Sanokowski、Alireza Sarmadi、Majid Khadiv|持续控制中的在线强化学习的几种最先进方法使用有学识的批评者的动作梯度来改进策略。然而，批评者通常接受过预测回报的训练，准确的价值预测不一定会产生准确的行动衍生品，这可能会导致不可靠的政策更新。我们提出前向熵正规化政策优化

图表上成本增加的薛定汉桥完全可以解决：费曼-卡ac倾斜取代习得控制

作者：Akshay Balsubramani|图表上的广义薛定汉桥在两个分布之间移动质量，同时对访问的州收取成本。它是通过学习受控连续时间马尔科夫链的速率来实现的，并具有恢复成本的时间差异惩罚。州成本作为费曼-卡茨倾斜纳入参考过程。成本增加的桥梁是一座普通的桥梁，

由于大部分信息都是隐藏的，所以直到现在，

添加第二个神经网络来猜测隐藏碎片的身份是关键。