GPQA 相关 AI 资讯 · AI 热点

7月3日

11:48

11:48

官方账号arXiv cs.AI@Yunhe Li, Hao Shi, Wenhao Liu, Mengzhe Ruan, Hanxu Hou, Zhongxiang Dai, Shuang Qiu, Linqi Song

DemoPSD是一种新的策略自蒸馏框架，用于训练大语言模型推理。它通过选择性采纳教师指导，构建反向KL重心的目标分布，自动平衡教师学习与学生自身推理能力的保持。理论证明该框架能有效缓解特权信息泄露并保留探索能力。在SciKnowEval的四个科学领域上，DemoPSD的表现优于GRPO和SDPO，并在跨分布GPQA基准上展现出强泛化性。

论文 DemoPSD 策略自蒸馏推理模型

推荐理由：这篇论文提出了DemoPSD，通过分歧调节蒸馏过程，比GRPO和SDPO在科学推理上更强，还能防止模型学到测试时无效的捷径。

7月1日

08:21

08:21

OpenRouter@OpenRouterAI

OpenRouter 持续在 GPQA 和 TAU-Bench 上测试多数开放权重模型，并公开发布结果。这些数据用于其 AutoExacto 元基准，该基准默认用于路由工具调用。在最新排名中，Parasail.io 和 Zai_org 位列第一。

AI模型 OpenRouter GPQA TAU-Bench

推荐理由：想知道哪些开放权重模型在 GPQA 和 TAU-Bench 上表现最好？OpenRouter 每周跑分、公开排名，还能帮你选最靠谱的推理服务。

6月29日

01:42

01:42

OpenRouter@OpenRouterAI

OpenRouter 持续对大多数开源权重模型运行 GPQA 与 TAU-Bench 两个基准，并将结果公开。这些成绩被用于其 AutoExacto 元基准，后者是路由工具调用的默认依据。当前 Parasail 和 Zai 在排行榜上位列第一。

技巧 OpenRouter GPQA TAU-Bench

推荐理由：选模型路由工具前，看看 OpenRouter 定期跑的 GPQA 和 TAU-Bench 排名，现在 Parasail 和 Zai 排第一，挺有参考价值。

6月16日

14:08

14:08

官方账号AlphaSignal@AlphaSignalAI

研究人员在论文《Training-Free Looped Transformers via Numerical ODE Integration》中提出一种无需重新训练即可提升冻结大模型性能的方法。该方法将每一层视为解常微分方程的一步，用多个小阻尼步骤替换原始大步骤，使模型获得更多推理时间。在MMLU-Pro上取得+2.64分提升，在GPQA上取得+2.01分提升，并在87%的测试组合中保持正向效果。

AI模型 Looped Transformers MMLU-Pro GPQA

推荐理由：这篇论文教会你一种骚操作：不重新训练，就能让现成模型在推理时多思考几轮，MMLU-Pro和GPQA分数都涨了，值得看看。