AIME是一种人工智能数学推理评估基准，用于测试模型在数学问题上的解决能力。近期，TaH2自适应循环Transformer技术在提升AIME测试时扩展效率方面取得突破，为AI模型数学推理能力的评估提供了新方法。
AIME 近期进展
78B总参数、3.46B激活参数的Kolibri小模型发布，展示了在资源受限环境下保持推理性能的可能性。德国Aleph Alpha发布开源小模型Kolibri：78B总参数、3.46B激活
TaH2自适应循环Transformer通过改进测试时扩展效率，显著提升了AIME基准上的表现。该技术解决了传统模型在处理复杂数学推理任务时的效率瓶颈问题。TaH2 自适应循环 Transformer 提升 AIME 测试时扩展效率
OPPD蒸馏法实现了单次生成即达power sampling 64倍候选效果的技术突破，为AIME评估提供了更高效的采样方法。OPPD 蒸馏法让模型单次生成即达 power sampling 64 候选的效果
当前焦点与观察点
AIME评估基准正在经历技术革新，从传统的静态评估向更动态、高效的测试方法转变。研究显示，后训练过程能够显著改变模型的数学推理能力，这为AIME测试的设计提供了新思路。后训练如何改变数学推理能力
自组织智能体团队在推理基准上的表现超越单模型与路由器，表明AIME评估可能需要考虑多智能体协同解决问题的能力。Stanford 与 Together AI 研究：自组织智能体团队在推理基准上超越单模型与路由器
T-Router基于参数高效强化学习的推理路由方法为AIME测试提供了新的优化方向，有望进一步提升AI模型在数学推理任务上的效率与准确性。T-Router：基于参数高效强化学习的推理路由方法