AITOP

推理模型

共 659 条相关 AI 资讯 · 查看话题观测
6月1日
12:35
11:16
10:45
10:45官方账号arXiv cs.AI@Liwei Kang, Yee Whye Teh, Wee Sun Lee
精选
该论文研究了大型语言模型（LLM）在推理过程中如何利用搜索历史。作者发现，LLM通常将搜索树线性化为中间轨迹，但仅凭隐式表示的历史不足以超越传统启发式搜索。通过引入显式的父指针（LinTree结构），模型能更清晰地回溯和切换分支，从而在Blocks World、网格导航和Sokoban等任务中显著提升性能和搜索效率。这表明，显式化搜索树的树结构能更好地发挥历史信息的优势，为LLM推理提供更结构化的表示方法。
论文推理模型搜索树LLM推理结构化表示启发式搜索
推荐理由：如果你在做LLM推理或搜索增强的AI系统，这篇论文指出了隐式搜索历史的瓶颈，并提供了一个简单有效的改进方向——显式父指针。做推理模型或规划算法的开发者值得一看。
原文
07:55
5月30日
10:50
05:39
5月29日
22:53
17:57
17:54
14:36
14:36官方账号阶跃星辰 Stepfun@Stepfun_AI
88°
阶跃星辰发布了 Step 3.7 Flash 模型，专注于智能体效率，在 ClawEval-1.1、SimpleVQA Search 等基准测试中取得领先成绩。该模型采用 198B 稀疏 MoE 架构，约 11B 活跃参数，支持 400 TPS 推理速度和 256K 上下文，并提供三种推理级别。它擅长理解 UI、图表、文档和图像，并能直接编写代码或调用工具执行操作，在 τ²-bench 上工具调用可靠性超过 98%。模型权重以 Apache 2.0 开源，可在 Mac Studio M4 Max、DGX Spark 等设备本地运行，并兼容 Claude Code、MCP 等生态。
AI模型阶跃星辰Step 3.7 Flash智能体开源/仓库推理模型
推荐理由：做智能体、编程或搜索应用的开发者终于有了一个兼顾速度、成本和可靠性的开源模型——Step 3.7 Flash 在工具调用和视觉理解上表现突出，而且能在本地跑，建议直接试试。
原文
12:25
12:25Latent.Space@latentspacepod
88°
Anthropic 宣布完成 9650 亿美元 H 轮融资，并同步推出新一代模型 Opus 4.8 以及 Dynamic Workflows/ultracode 功能。Opus 4.8 在推理和代码生成能力上有显著提升，而 Dynamic Workflows 旨在优化复杂任务的多步骤执行。此次融资规模创下 AI 领域新高，显示投资者对 Anthropic 技术路线和商业化前景的强烈信心。新功能将直接面向开发者和企业用户，提升 AI 在编程和自动化场景中的实用性。
AI产品AnthropicOpus 4.8Dynamic Workflows融资推理模型
推荐理由：Anthropic 的巨额融资和 Opus 4.8 发布表明其正在加速追赶 OpenAI，做 AI 应用开发或模型选型的团队值得关注 Dynamic Workflows 对复杂任务编排的改进。
原文
12:15
11:36
11:17
11:17官方一手pandaily@contact@pandaily.com (Pandaily)
卡内基梅隆大学和马里兰大学的研究人员发现，大型语言模型（LLM）在模拟“睡眠”机制后，能够更好地整合长上下文信息，从而提升复杂推理任务的性能。该研究通过让模型在训练或推理过程中插入类似睡眠的“巩固”阶段，有效减少了信息遗忘，并增强了模型对长文本的理解能力。这一发现为优化LLM的长期记忆和推理能力提供了新思路，可能对需要处理大量上下文的应用场景产生重要影响。
论文LLM推理模型长上下文睡眠机制CMU
推荐理由：做LLM推理优化或长上下文应用的团队值得关注——这项研究用“睡眠”机制解决了模型信息遗忘的痛点，直接提升复杂推理表现，建议点开看看具体实现。
原文
11:08
11:08官方账号arXiv cs.AI@Chen Henry Wu, Aditi Raghunathan
精选83°
论文提出自训练验证（STV）方法，解决推理模型在测试时验证-精炼循环和训练时自训练中验证器失效的瓶颈。核心发现是模型单独无法捕捉自身错误，但看到参考答案后可以，利用这一不对称性训练验证器模仿更知情版本。STV在困难数学题上准确率翻倍，科学推理任务从1.5%提升至21%。结合验证器在循环中的强化学习（ViL），使pass@1再提升33%，且生成器独立推理能力也超越标准RL收敛点。这表明推理模型的下一个前沿在于如何训练验证及利用验证。
论文推理模型自训练验证测试时改进强化学习验证器
推荐理由：推理模型开发者长期受困于验证器失效导致自改进停滞，STV用参考答案不对称性巧妙破解，在困难数学和科学任务上效果显著，做自训练或测试时搜索的团队值得深入看。
原文
11:06
11:06官方账号arXiv cs.AI@Felix Zhou, Anay Mehrotra, Quanquan C. Liu
精选72°
前沿推理模型通常通过强化学习后训练得到。近期研究挑战了这一范式，表明从基础模型的幂分布中采样即可获得可比推理能力，无需额外训练。但高效采样是关键挑战。本文提出 Entropy-Cut Metropolis-Hastings 算法，利用模型下一 token 的熵作为代理，识别推理轨迹中的关键决策点（如证明策略或算法选择），并仅从这些位置重新采样，而非均匀随机截断。理论证明该方法混合时间与决策点数量成正比，而非 token 数量。在 MATH500、HumanEval、GPQA Diamond 和 AIME26 基准上，该方法一致优于基线及强化学习训练模型。
论文推理模型采样方法熵决策点Metropolis-Hastings
推荐理由：这项研究为无需 RL 训练即可提升模型推理能力提供了实用采样方法，做推理模型优化或采样策略的开发者可以直接尝试 Entropy-Cut MH，它比均匀截断更高效。
原文
11:05
11:05官方账号arXiv cs.AI@Lukas Aichberger, Sepp Hochreiter
精选
论文提出 Reasoning in Memory (RiM) 方法，用固定内存块替代自回归生成推理步骤，让大模型在单次前向传播中完成潜在推理。该方法受人类工作记忆启发，通过两阶段课程训练：先预测显式推理步骤来锚定内存块，再丢弃步骤级监督直接优化最终答案。实验表明，RiM 在多个推理基准上匹配或超越现有潜在推理方法，且计算效率更高。这为提升大模型推理能力提供了新思路，尤其适合需要高效推理的场景。
论文推理模型潜在推理工作记忆计算效率RiM
推荐理由：RiM 解决了自回归推理计算效率低的问题，做模型推理优化的研究者可以直接参考其两阶段训练方法。
原文
09:57
09:57官方一手歸藏(guizang.ai)@op7418
78°
Anthropic 发布了 Claude Opus 4.8，相比 Opus 4.7 在各项能力上均有提升。最关键的改进是模型自我审查能力显著增强，能够更有效地发现自身代码中的问题，而此前版本的自审几乎无效。新模型还拥有更敏锐的判断力、更诚实的自我评估，并能更长时间独立工作。Opus 4.8 定价与上一代相同，现已可用。
AI模型ClaudeOpus 4.8推理模型编程助手自我纠错
推荐理由：对依赖 AI 编程的开发者来说，Opus 4.8 的自我纠错能力解决了代码审查的痛点——以前让模型自己 review 代码基本没用，现在可以真正信任它帮你发现 bug，建议立即升级体验。
原文
09:18
09:18shao__meng@shao__meng
83°
Anthropic 在宣布 H 轮 650 亿美金融资当天，发布了 Claude Opus 4.8。该模型在编码、Agent 任务和知识工作方面显著提升，SWE-Bench Pro 达到 69.2%，Terminal-Bench 2.1 为 74.6%。关键改进包括更诚实的自我监控（误判减少 4 倍）、更稳定的 Agent 协作质量，以及计算机/浏览器 Agent 能力提升（OSWorld-Verified 83.4%）。同时引入 Claude Code Dynamic Workflows，支持从单 Agent 到规划、并行、验证的协作模式。定价不变，即日可用。
AI模型Claude Opus 4.8推理模型Agent/智能体编程助手浏览器自动化
推荐理由：做复杂编码、Agent 和浏览器自动化的团队可以直接升级——Opus 4.8 在诚实度和任务完成率上都有实质提升，且价格不变，值得立即试用。
原文
08:20
08:20Alex Albert@alexalbert__
精选
Anthropic 在 Opus 4.8 模型上投入了大量工作来校准其思考努力程度，旨在让模型在推理时既不过度思考也不思考不足。团队正在邀请用户测试并反馈模型在具体任务上的思考表现，特别是过度或不足思考的案例。这反映了 Anthropic 对模型推理质量精细调优的重视，有助于提升用户体验。用户可以通过回复或直接联系团队成员来提供反馈。
AI模型Opus 4.8思考校准推理模型用户反馈Anthropic
推荐理由：Anthropic 正在主动校准 Opus 4.8 的思考深度，这对追求模型推理效率与质量平衡的开发者来说是个好消息——如果你在用 Claude 做复杂推理，反馈你的使用体验可以直接影响模型优化方向。
原文
08:10
08:09
08:01
07:36
06:54
06:54IT之家（博客/媒体）
83°
Anthropic 于 5 月 29 日发布旗舰模型 Claude Opus 4.8，重点提升编程、智能体和知识工作能力。相比 Opus 4.7，新模型在复杂任务中更稳定，能主动提问、识别错误，并减少无依据结论。官方评估显示，其放任代码缺陷的概率降低约 4 倍，同时亲社会行为指标创新高。claude.ai 新增 effort 程度控制，用户可平衡质量与响应速度。定价不变，快速模式速度提升 2.5 倍，成本降至 1/3。
AI模型Claude Opus 4.8编程助手智能体推理模型可靠性
推荐理由：做 AI 编程和智能体开发的团队终于有了更可靠的模型——Opus 4.8 减少无依据结论，主动标出不确定性，建议在复杂多步骤任务中直接试用。
原文
02:48
02:12
02:01
02:00
01:57
01:07
5月28日
23:48
16:53
11:30
11:30官方账号arXiv cs.AI@Linas Nasvytis, Simon Jerome Han, Ben Prystawski, Satchel Grant, Noah D. Goodman, Judith E. Fan
精选72°
论文提出一种名为对比反思（CORE）的非参数学习算法，通过对比成功与失败的推理轨迹，生成简短的自然语言洞察（如策略和约束），从而快速提升模型推理能力。实验表明，CORE在四个推理任务上比参数方法（如GRPO）和非参数方法（如GEPA、情景RAG）收敛更快，仅需5个训练样本即可达到可比或更优的性能。该方法还显著节省上下文token，将学到的知识压缩为可解释的洞察，而非直接存储轨迹。研究指出，将推理成败对比蒸馏为抽象洞察，是比权重更新或提示优化更高效、更可解释的模型自我改进路径。
论文推理模型对比学习非参数方法模型自我改进CORE
推荐理由：CORE用极少的样本和推理次数就能让模型快速变聪明，做推理优化或小样本学习的团队值得关注，尤其适合资源受限场景。
原文
11:27
11:27官方账号arXiv cs.AI@Jiazhen Huang, Xiao Chen, Xiao Luo, Yong Dai, Senkang Hu, Yuzhi Zhao
精选
本文提出 Skill-Conditioned Gated Self-Distillation (SGSD) 方法，用于改进大语言模型的推理能力。传统自蒸馏方法依赖可信的先验信息（如参考答案），而 SGSD 从经验技能库中检索技能-错误对，构建多教师池，通过验证器判断教师极性，并设计门控目标函数来蒸馏有效信息。在多个数学推理基准上，SGSD 在 Qwen3-1.7B 上平均比 GRPO 提升 6.2%，比 OPSD 提升 1.7%，且对先验信息的假设更弱。代码已开源。
论文推理模型自蒸馏数学推理技能库LLM
推荐理由：做 LLM 推理优化的研究者可以关注——SGSD 用技能库替代参考答案作为先验，降低了蒸馏对标注数据的依赖，数学推理场景效果显著，值得在自蒸馏框架中尝试。
原文
10:40
10:40rohanpaul_ai@rohanpaul_ai
精选
研究发现，长时间运行的语言智能体如果定期暂停并整合记忆，性能会更好。当前Transformer模型随着上下文增长，注意力机制需要检查更多历史token，导致推理变慢且成本增加。论文提出在模型中引入“睡眠阶段”：暂停推理，多次重读近期上下文，将有用信息写入固定大小的记忆层，然后清空短期注意力缓存。这样，模型在睡眠时进行额外计算，而正常推理仍保持单次前向传播的高效。实验表明，睡眠时间越长，模型在需要深度推理的复杂任务上表现越好，尤其当旧信息已不在注意力缓存中时。
论文智能体长上下文记忆整合注意力机制推理模型
推荐理由：长时运行智能体终于有了解决上下文膨胀问题的思路——做Agent或长链推理的开发者值得关注，它可能改变你处理长期记忆的方式。
原文
5月27日
20:56
20:56berryxia@berryxia
88°
Anthropic 于 2026 年 4 月 7 日发布 Project Glasswing 及 Claude Mythos Preview，该前沿模型网络攻防能力极强，因安全顾虑仅开放给合作伙伴用于防御。OpenAI 则在 5 月 20 日宣布其内部通用推理模型成功推翻数学家 Paul Erdős 的平面单位距离问题猜想。这两件事共同表明，前沿模型在更高抽象层面的可靠推理能力已迈过临界点，能稳定处理完整论证和知识体系，而非仅限片段操作。Claude Mythos Preview 在编码和网络安全评测中表现突出，多数基准测试超越 GPT-5.5。
AI模型推理模型网络安全数学证明AnthropicOpenAI
推荐理由：AI 推理能力从片段到完整体系的跃迁，是开发者和安全从业者必须关注的分水岭——Claude Mythos 的防御性开放和 OpenAI 的数学突破，直接改变了模型应用边界，建议点开了解具体案例。
原文
13:43
12:15
12:15官方一手arXiv: DeepSeek@Kia-Jüng Yang, Dominik Meier, Jiachen Zhao, Terry Ruas, Bela Gipp
精选72°
最新研究发现，大型推理模型（LRM）的拒绝机制不仅依赖于残差流激活，还依赖于思维链（CoT）。在 DeepSeek-R1-Distill-LLaMA-8B 上，固定 CoT 时激活引导仅能反转 39% 的拒绝，移除 CoT 后提升至 70%，表明 CoT 主动强化了拒绝。通过两阶段干预（在激活引导下重新生成 CoT），拒绝反转率达到 94%，且生成的 CoT 在移除引导后仍能独立保持 48% 的顺从信号。这说明 CoT 可以独立携带并重建顺从信号，使 LRM 对激活级干预更鲁棒，但也暴露出 CoT 可能成为新的攻击面。
论文推理模型安全/对齐思维链激活引导DeepSeek-R1
推荐理由：这项研究揭示了 CoT 在模型安全中的双重角色——既增强鲁棒性又引入新风险，做 AI 安全和对齐的团队值得关注，尤其是使用推理模型的开发者需要重新评估防御策略。
原文
10:51
10:51官方账号arXiv cs.LG@Shijin Gong, Erhan Xu, Kai Ye, Francesco Quinzan, Giulia Livieri, Chengchun Shi
精选
BASIS 是一种无需评论家的后训练算法，通过单次采样每个提示的轨迹，并利用整个批次中跨提示的信息共享来改进价值函数估计。实验表明，与单次采样的 REINFORCE++ 基线相比，BASIS 将价值函数估计的均方误差降低了 69%，且单次采样的 MSE 低于 8 次采样的组均值估计器。这种改进带来了更好的策略优化：BASIS 用更少的训练时间达到了接近多采样 GRPO 型基线的性能，并常优于单采样 REINFORCE 型基线。该工作解决了强化学习在计算效率与样本效率之间的权衡问题。
论文强化学习推理模型LLM训练价值函数估计BASIS
推荐理由：做LLM推理强化学习的团队终于有了一个兼顾计算和样本效率的方案——BASIS用单次采样就达到多采样的效果，训练成本大幅降低，建议做RLHF或推理优化的开发者点开看看。
原文