OpenAI 分享 Navier–Stokes 世紀獎問題 AI 生成的解決方案
OpenAI 分享了一個 AI 生成的 Navier–Stokes 世紀獎問題的解決方案，包含書面說明和 Lean 形式化證明。
推薦理由：OpenAI 通過 AI 生成的證明展示了在數學領域應用 LLM 的潛力，讀者可瞭解 AI 在嚴謹推理中的可行性。
#推理
RSS 訂閱#推理
RSSOpenAI News精選AI 評分8686
Hugging Face BlogAI 評分5555 BenchMIRT：大模型基準測試究竟在測量什麼？
Allen Institute for AI 介紹了 BenchMIRT，這是一種用於在單個提示詞層面審計大模型基準測試的新方法。該方法將多維專案反應理論應用於 100 個大模型在 16 個基準測試中的表現，獨立恢復出安全與通用推理兩個主導維度，發現部分基準測試的實際測量結果與其宣稱的目標存在偏差。
Import AIAI 評分3131 Import Inst 470：機器學習無版權；用 SPADE 自動化環境生成；用 Hawkeye 構建更好的 GPU kernel
一項研究表明，大模型在網路安全領域帶來了大幅加速，在數學研究中帶來了較小加速，而在 AI 自身研究中尚未帶來可測量的加速。多所高校研究者聯合推出了 SPADE，這是一個通過自我對弈協同演化環境合成與智慧體能力的通用框架。該框架在 30B 規模下利用 Qwen3 骨幹網路進行了測試，在遊戲和工具使用環境評測中均提升了效能。
Microsoft Research精選AI 評分6161 Microsoft Research 推出 MindTopo 評測 VLM 的空間推理能力
Microsoft Research 推出了新基準 MindTopo，用於評估多模態大語言模型對連通性、包圍、順序、分離和結等拓撲概念的理解。研究發現，模型在靜態影像識別上的表現明顯優於需要跨動作維持空間關係的互動式規劃任務。
推薦理由：研究展示了當前多模態模型在靜態拓撲識別與動態規劃之間存在明顯差距，為提升機器人和互動環境中的空間理解能力提供了新的評估基準。
Google Research精選AI 評分6363 空書架還是丟了鑰匙？研究稱檢索是大語言模型引數化真實性的瓶頸
Google Research 介紹了知識 profiling 行為框架和 WikiProfile 基準，用以衡量大語言模型的編碼與檢索能力。研究表明，在 Gemini 3 和 GPT-5 等前沿大模型中，95% 至 98% 的事實已被編碼，但模型仍無法直接檢索其中 26% 至 34% 的事實。這說明事實性錯誤主要源於知識無法可靠呼叫的檢索失敗，而非知識未被編碼的儲存缺失。
推薦理由：研究指出前沿大語言模型的知識編碼已接近飽和，準確率瓶頸在於檢索而非儲存，為後續訓練與推理最佳化提供了新方向。
Hugging Face Blog精選AI 評分6464 讓知識蒸餾足夠低成本以實現規模化執行
Multiverse Computing 在其最新論文《Efficient Knowledge Distillation for LLMs: Offline Top‑K Logits and a Fused Chunked KL Loss》中提出離線 Top‑100 logits 快取與分塊 KL 損失兩項改進。
推薦理由：本文提出的離線Top‑K logits快取和分塊KL損失顯著降低視訊記憶體需求，使大規模LLM蒸餾可在單GPU上完成，降低成本並提升實驗效率。
Google Research精選AI 評分7070 讓量子計算機從錯誤中學習
Google Research 在其 Willow 超導處理器上演示了利用強化學習實現量子計算機持續校準的方法，顯著降低了邏輯錯誤率。實驗中，RL 訓練將錯誤率降低 3.5 倍，最終邏輯錯誤率低至每千個糾錯週期不到一次，並在數百量子位元的模擬中驗證了可擴充套件性。該方法將量子錯誤檢測事件作為主動學習訊號，展示了可持續計算的新範式。
推薦理由：通過強化學習實現量子計算機持續校準，顯著降低邏輯錯誤率，展示了可擴充套件的自適應控制方法，為未來大規模量子計算提供可行路徑。
Google Research精選AI 評分6363 Google Research：思考以檢索：推理如何解鎖大語言模型中的引數化知識
Google Research 探討了大語言模型中推理如何解鎖引數化知識，通過控制實驗揭示了計算緩衝區效應和事實啟動兩大機制。研究表明，即使面對簡單的單跳問題，啟用推理也能幫助模型召回原本難以觸及的正確答案。不過，推理階段產生的中途幻覺會顯著降低最終答案的正確率。
推薦理由：研究揭示了推理如何解鎖大語言模型的引數化知識，並指出了中間事實對準確率的關鍵影響。
Berkeley AI ResearchAI 評分4242 Adaptive Parallel Reasoning：高效推理擴充套件的下一範式
Adaptive Parallel Reasoning 提出讓模型自行決定何時並行拆分、執行緒數量和協調方式，以提升推理效率。ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等方法已實現多執行緒並行推理，減少上下文旋轉和推理延遲。此範式可在數學、編碼和代理任務中顯著降低推理時間，避免上下文旋轉問題。
Google Research精選AI 評分6464 ReasoningBank：使智慧體能夠從經驗中學習
Google Research 推出了 ReasoningBank 智慧體記憶框架，通過從成功和失敗經驗中提取結構化推理模式來實現測試期自我進化。該方法通過記憶感知測試期擴充套件（MaTTS）機制，在網頁瀏覽和軟體工程基準測試中顯著提升了智慧體的成功率和執行效率。
推薦理由：文章介紹了從成功與失敗經驗中提取結構化推理模式的記憶框架，讀者可以據此瞭解如何通過記憶增強智慧體的測試期擴充套件能力。
Berkeley AI Research精選AI 評分6666 GRASP：提升狀態、加入噪聲與梯度重塑實現長時序規劃
GRASP 是一種新的梯度規劃器，針對學習到的世界模型實現長時序規劃。它通過將軌跡提升到虛擬狀態實現並行最佳化、在狀態迭代中加入噪聲以增強探索、並重塑梯度以避免脆弱的狀態輸入梯度，從而顯著提升規劃魯棒性和速度。實驗顯示在 Push‑T 任務中，GRASP 在更長時間步上取得更高成功率且耗時更短。詳情見論文 https://arxiv.org/abs/2602.00475。
推薦理由：GRASP 通過提升狀態、加入噪聲與梯度重塑，解決了大規模世界模型長時序規劃的梯度爆炸與不穩定問題。
Google Research精選AI 評分6262 Google Research 推出 Simula：基於第一性原理的推理驅動合成數據集生成與評估框架
Google Research 介紹了 Simula 框架，這是一種採用第一性原理構建整個合成數據集的種子無關且具身智慧的方法。該框架通過全域性多元化、區域性多元化、複雜化和質量檢查四個可控軸來分解生成過程，並在多個領域評估中展示了最佳化資料屬性對下游效能的提升。
推薦理由：文章介紹了通過第一性原理構建合成數據集的 Simula 框架，為解決稀缺領域的資料瓶頸提供了可程式設計的工作流方案。
Berkeley AI Research精選AI 評分6868 大規模 LLM 互動識別方法
本文介紹了 SPEX 與 ProxySPEX 兩種演算法，利用稀疏恢復和層次結構在大規模 LLM 互動識別中顯著降低計算成本。SPEX 通過訊號處理和編碼理論實現數千個元件的交互發現，ProxySPEX 在保持效能的同時將 ablation 數量減少約 10 倍。兩種方法已在 SHAP‑IQ 倉庫公開，支援特徵、資料和模型元件的解釋。
推薦理由：SPEX 和 ProxySPEX 通過稀疏恢復和層次結構顯著降低了交互發現的計算成本，為大規模 LLM 解釋提供了可行方案。