跳到正文

推理能力

模型推理能力的進展:思維鏈、推理模型、數學與邏輯基準的突破與爭議。

最新精選

第 181–200 條 · 共 325 條
10月18日週日
10月17日週六
  1. DEV Community78

    Reflection AI 開源 501B 參數 Beam 權重及 Mirror CLI 訓練工具

    Reflection AI 本週開源 Beam 的 501B 參數權重及實際訓練工具 Mirror CLI,權重採用 Apache 2.0 授權。Beam 是稀疏混合專家模型,總參數為 501B、每個 token 啟用 23B,提供 BF16、FP8 和 NVFP4 三種權重格式。目前沒有獨立基準測試,文中的效能説法來自廠商資料。

    推薦理由:Mirror CLI 隨 Beam 一同開源,讓讀者看到權重以外的訓練流程,並評估其對微調及預訓練研究的參考價值。

  2. 第一財經76

    書生-S2協助中國團隊破解三維 Ghys 猜想,AI改變數學研究方式

    許地生團隊以書生科學多模態大模型 S2 協作完成三維 Ghys 猜想證明,董彬、劉若川團隊則用 SHEAF 框架作形式化驗證。S2先產出400頁推導報告,經7批接續推演及人類篩選、提示後,問題圖由15個節點擴展至389個,推導總量達千頁。報道探討這種人機協作可能擴大數學家可探索的問題範圍,同時提及成果核驗、歸屬及學術交流等疑慮。

    推薦理由:這個案例呈現模型提出跨領域思路、研究者篩選校準並完成證明的協作鏈路,也交代成果核驗與歸屬引發的爭議。

  3. Anthropic:Research(發表成果 · 網頁)78

    Claude 揭示多條 NIST ECDSA 曲線種子由時間戳初始化的 lrand48 生成

    Claude 找出 NIST P-192、P-224、P-256、P-384 和 P-521 曲線種子的來源,發現它們由以 Unix 時間戳初始化的 C 函式庫 lrand48 生成,而非雜湊算法。研究指出,這不是 ECDSA 的密碼學破解或新弱點,結果令曲線含有刻意後門的可能性降低。部分曲線基點及 B-163 種子的來源仍未解明。

    推薦理由:文章把種子位元模式、PRNG 狀態恢復與時間戳線索串成可重現的追查路徑,並交代尚未解明的基點及種子來源。

  4. UNWIRE.PRO · 人工智能76

    Meta 發佈 Muse Spark Open,與 Apple 合作支援 Mac Studio 叢集本機運行

    Meta 於 10 月 15 日發佈總參數量達 8,160 億的開放權重模型 Muse Spark Open,並與 Apple 合作,讓模型可在 2 部配備 M5 Ultra 晶片的 Mac Studio 上完全本機運行。

    推薦理由:文章梳理 Muse Spark Open 在 Mac Studio 叢集本機運行所需的記憶體與互連條件,並指出企業還須衡量授權限制和部署成本。

10月16日週五
  1. Unite.AI78

    Reflection 發佈 Beam 開放權重,採用 Apache 2.0 授權

    Reflection 於 2026 年 10 月 16 日在 Hugging Face 發佈 Beam 開放權重,採用 Apache 2.0 授權。Beam 是總參數量 501B、每個 token 啟用 23 billion 個參數的混合專家模型,權重提供 BF16、FP8 和 NVFP4 格式。

    推薦理由:Beam 同時提供多種精度權重、自託管選項及多個推理框架支援,呈現開放權重模型從下載到部署的配套。

  2. DEV Community78

    Gemini 4 Argon 基準數據未呈現的設定差異與定價風險

    Gemini 4 Argon 廣泛引用的基準分數多在 High 推理設定下測得,但預設設定是 Medium,兩者不能直接代表用戶的預設表現。獨立測試中,Argon 在 Artificial Analysis Intelligence Index 的 High 模式得分為 52.56,模型幻覺率為 15%。

    推薦理由:文章拆分基準測試設定與用戶預設值,並列出入門定價與報道中的後續價格,讓模型比較和遷移成本估算有具體依據。

  3. DoNews79

    Meta 發佈開放權重模型 Muse Spark Open,可在兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 本地運行

    Meta 發佈開放權重模型 Muse Spark Open;該模型可在兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 上本地運行。模型採用原生多模態架構,總參數量為 816B(激活參數 42B),上下文窗口為 1M token。

    推薦理由:文章並列 Muse Spark Open 的參數規模、上下文窗口及兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 本地運行條件,呈現其桌面部署門檻。

  4. Hugging Face Blog60

    Granite Switch 4.1 推出 8B、30B 版本,單一端點整合對話、決策與語音轉文字

    Granite Switch 4.1 發佈 8B 和 30B 模型,讓對話、通用及專項決策與語音轉文字可透過同一個託管端點處理。兩款模型整合 Decision aLoRA、Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC,合併後佔用的 GPU VRAM 約與基礎模型單獨運行相若,且可重用基礎模型生成的 KV cache。

    推薦理由:文章呈現以 aLoRA 組合通用及專項決策與語音辨識的方法,並交代共用 KV cache 如何使多項能力維持接近基礎模型的 GPU VRAM 佔用。

  5. Hacker News 熱門(buzzing.cc 中文翻譯)85

    Meta 發佈 Muse Spark Open 開放權重模型,支援在兩台 Apple M5 Ultra Mac Studio 上桌面運行

    Meta 今日發佈 Muse Spark Open 的模型權重;這款原生多模態模型有 816B 總參數(42B active)及 1M-token 上下文窗口。

    推薦理由:Muse Spark Open 同時公佈本機部署配置、託管 API 入口及 GPU 推理速度數據,呈現開放權重模型從桌面運行到託管服務的部署路徑。

  6. Unite.AI79

    Meta 公開 816B 參數 Muse Spark Open 模型權重

    Meta 於 2026 年 10 月 15 日公開 Muse Spark Open 的模型權重;這款原生多模態開放權重模型有 816B 總參數、42B 啟用參數及 1M-token 上下文窗口。

    推薦理由:文章列出 Muse Spark Open 的權重下載與 API 使用途徑,並交代本地運行至少需要 700GB VRAM(NVFP4)或 2TB(BF16),可供評估部署條件。

10月15日週四
  1. Hugging Face Blog68

    Apertus 1.5 發佈説明:新增圖像與音訊理解,上下文窗口擴至 262,144 tokens

    Apertus 1.5 更新 8B 和 70B 模型,加入圖像與音訊理解及可選思考模式,並將上下文窗口擴至 262,144 tokens。持續預訓練分別為 8B 和 70B 模型加入 4 trillion tokens 和 2 trillion tokens 的文字及多模態訓練資料,總訓練量分別達 19T 和 17T。

    推薦理由:文章同時公開訓練資料、各階段檢查點與可重跑的評測記錄,讀者可據此瞭解 Apertus 1.5 的訓練流程及比較評測結果。

  2. DoNews76

    上海人工智能實驗室稱許地生團隊以書生-S2人機協同完成三維 Ghys 猜想證明

    上海人工智能實驗室宣佈,許地生團隊依託書生-S2多模態大模型,透過人機協同完成三維 Ghys 猜想證明。北京大學董彬、劉若川團隊以 SHEAF 框架完成形式化驗證,論文已發佈於 arXiv,程式碼則開源至 GitHub。原文稱,這項工作標誌中國首次以自研大模型攻克世界級數學難題,並驗證「通專融合」新型科研範式。

    推薦理由:材料串連模型參與證明、人機協同與SHEAF形式化驗證,並交代論文及程式碼的公開位置,呈現研究流程的不同環節。

  3. IT之家79

    階躍 Step 5 Preview 開放模型權重,支援 100 萬 token 上下文窗口

    階躍開放 Step 5 Preview 的 BF16 與 FP8 模型權重,並同步公開技術博客及配套開源開發工具。模型採用稀疏 MoE 架構,總參數量為 600B、每 token 僅激活 27B 參數,支援 100 萬 token 上下文窗口及文字與視覺輸入。

    推薦理由:文章拆解 Step 5 Preview 面向長程 Agent 任務的架構與訓練設計,並説明 Sparse GQA 如何降低百萬 token 上下文的計算開銷。

  4. IT之家80

    上海人工智能實驗室團隊以書生科學多模態大模型 S2 完成三維 Ghys 猜想證明

    上海人工智能實驗室訪問學者兼大灣區大學教授許地生團隊,依託書生科學多模態大模型 S2,以人機協同方式完成三維 Ghys 猜想的證明。北京大學董彬、劉若川團隊使用 SHEAF 框架完成形式化驗證;相關論文已發布於 arXiv,形式化程式碼亦已在 GitHub 公開。

    推薦理由:這項成果將專家判斷納入模型求解流程,並經 SHEAF 框架形式化驗證,提供人機協同處理長期數學問題的具體案例。

  5. 第一財經77

    中國科學家首次用中國大模型攻克世界級數學難題

    上海人工智能實驗室訪問學者、大灣區大學教授許地生團隊依託書生科學多模態大模型S2(書生-S2),透過人機協同完成三維Ghys猜想證明。北京大學董彬教授、劉若川院士團隊使用其開發的SHEAF框架完成形式化驗證,並確認證明正確。這標誌著中國科學家首次用中國大模型攻克世界級數學難題。

    推薦理由:這項工作將人機協同證明與形式化驗證結合,呈現大模型參與高難度數學研究的具體路徑,亦交代了結果如何接受核驗。