2025-05-29
干掉完美主义：多轮分解如何让大语言模型推理更高效
这项研究提出了"多轮分解"(MinD)方法，将大型推理模型的冗长思维链重构为结构化的多轮对话形式，每轮包含一个思考单元和一个答案。通过监督微调和强化学习相结合的训练策略，MinD在MATH等基准测试上实现了高达70%的标...
2025-05-29
交织式思考与应答：让大语言模型通过强化学习实现更快响应和更准确推理
这项研究提出了"交织式推理"方法，通过强化学习训练大语言模型在复杂推理过程中穿插输出中间答案。与传统的"先思考后回答"模式不同，这种方式让模型像人类一样边思考边给出阶段性结论，不仅将首词响应时间平均减少80%以上，还在某...
2025-05-29
DoctorAgent-RL：广州国家实验室研发的多智能体协作式强化学习医疗对话系统，让AI医生问诊更像真人医生
冯轶春、王嘉伟等研究人员开发了DoctorAgent-RL，一种基于强化学习的多智能体协作医疗对话系统，彻底改变了AI医疗咨询模式。与传统单轮问答系统不同，该系统通过医生智能体与患者智能体间的多轮互动，动态优化提问策略，...
2025-05-29
更智能的小模型推理：数据视角下的思维链蒸馏基准研究——北卡罗来纳大学
这篇研究介绍了DC-CoT，首个专门评估数据操作如何影响思维链(CoT)知识蒸馏的基准系统。北卡罗来纳大学教堂山分校等机构的研究者使用多种教师模型(如Gemini-Pro、Claude-3.5)和学生架构(3B-7B参数...
2025-05-29
当网络犯罪更智能：动态评估攻击性网络安全AI助手的风险
这项由普林斯顿大学和加州大学欧文分校研究人员完成的研究揭示了一个令人担忧的发现：恶意行为者可以利用多种自由度来增强AI网络安全助手的攻击能力，且无需外部帮助。研究表明，即使只有约36美元的计算预算，这些改进也能使性能提高...
2025-05-29
G1项目：Moonshot AI通过强化学习提升视觉语言模型的感知与推理能力
这篇研究介绍了Moonshot AI团队开发的G1模型，该模型通过强化学习显著提升了视觉语言模型在游戏环境中的决策能力。研究团队首创了VLM-Gym训练环境，包含多种视觉游戏与统一接口，并开发了两代模型：G0通过纯强化学...
2025-05-29
让AI判断推理中的错误更精准：PathFinder-PRM如何通过分步解析优化大语言模型的数学推理过程
这项研究提出了PathFinder-PRM，一种创新的层次化过程奖励模型，通过先分类数学和一致性错误，再估算步骤奖励分数，从而提升大语言模型的数学推理能力。研究团队构建了40万样本的数据集，使用细粒度错误标签训练模型，在...
2025-05-29
从直觉式编码到智能体编码：Cornell大学研究团队揭示AI辅助软件开发的两种范式
这篇论文比较了AI辅助软件开发中的两种新兴范式："直觉式编码"(Vibe Coding)和"智能体编码"(Agentic Coding)。Cornell大学研究团队的综述揭示了两种方法的根本区别：直觉式编码强调开发者与A...
2025-05-29
RankNovo：上海人工智能实验室开发全能蛋白质序列重排序框架，显著提升从质谱数据解析肽段准确率
RankNovo是由上海人工智能实验室和复旦大学等机构联合开发的创新框架，通过列表式重排序方法整合多个肽段测序模型的优势，提出PMD和RMD两种新指标精确评估肽段差异。实验证明它在9-species基准测试中超越所有单一...
2025-05-29
位置的不确定性：大语言模型中位置偏差的跨语言研究
这篇研究深入探讨了大语言模型在处理不同语言长文本时的位置偏差现象。研究团队分析了英语、俄语、德语、印地语和越南语五种语言，发现位置偏差主要由模型决定而非语言特性，Qwen模型偏好文本末尾位置信息，挑战了传统认为模型偏好早...
2025-05-29
ScanBot：为什么康涅狄格大学研究团队认为机器人不仅需要抓取物体，还应精确扫描物体表面
ScanBot是康涅狄格大学研究团队开发的首个专为高精度表面扫描设计的指令条件数据集，旨在解决机器人在精细工具使用方面的能力缺口。与传统数据集专注于抓取和导航不同，ScanBot关注亚毫米级精度控制，包含12个物体、6类...
2025-05-29
价值引导搜索：提升推理模型思维链的高效指南——康奈尔大学研究团队的突破性成果
康奈尔大学研究团队提出了"价值引导搜索"方法，通过训练标记级价值模型来优化大型语言模型的推理过程。他们收集了250万个数学推理轨迹，训练了15亿参数的评估模型，实现了基于块的高效搜索。这种方法不需要预定义"步骤"概念，也...
2025-05-29
FuxiMT：基于稀疏化大语言模型的中文为中心多语种机器翻译系统——天津大学和清华大学联合打造跨语言沟通新桥梁
天津大学和清华大学研究团队开发的FuxiMT是首个中文为中心的多语言翻译模型，基于BLOOMz模型并整合了混合专家技术，支持65种语言的翻译。其采用两阶段训练策略：先在50亿中文句子上预训练，再通过课程学习方法在多语言并...
2025-05-29
s3搜索智能体：使用强化学习训练高效搜索，让你的Large Language Models检索能力大增
伊利诺伊大学研究团队开发的s3框架只需2,400个训练样本，就能超越需要17万个样本的现有方法，大幅提升语言模型的搜索质量。通过将搜索与生成解耦，s3使用"超越朴素RAG的增益"奖励，专注训练搜索智能体而保持生成模型不变...
2025-05-29
物理世界如何实现AGI？前空中客车CTO红杉访谈：我们的愿景是让AI设计人类无法设计的系统，从星际飞船到戴森球
今天本来计划刊发一期黄仁勋的内容，因为昨天英伟达财报，照例黄仁勋也接受了一些采访，谈到了中国市场战略等话题。不过后来看到红杉资本的Training Data播客前天的一期节目，觉得更值得报道一下。
2025-05-29
PHYX：大模型的物理推理能力测试，揭示AI在视觉物理问题上的惊人差距
香港大学等机构研究者开发的PHYX基准测试评估了AI模型的物理推理能力，结果显示即使最先进的GPT-4o等多模态模型在此类任务上的准确率仅为32.5%-45.8%，比人类专家低29%以上。PHYX包含3000个跨六大物理...
2025-05-29
QwenLong-CPRS: 阿里巴巴推出突破无限长文本窗口的动态上下文优化技术
QwenLong-CPRS是阿里巴巴千问文档团队开发的创新上下文压缩框架，专为解决大型语言模型处理长文本的效率和"迷失在中间"问题。该技术通过自然语言引导的动态优化、双向推理层、基于语言建模的标记评价和窗口并行推理四大创...
2025-05-29
MOOSE-Chem3：通过模拟实验反馈进行假设排序，迈向实验引导式科学发现
这项研究介绍了MOOSE-Chem3，一种通过模拟实验反馈进行化学假设排序的创新方法。传统的预实验排序仅依靠大型语言模型的内部推理，而该研究提出的实验引导式排序方法则利用先前实验结果来优化决策。研究团队基于三个领域假设构...
2025-05-29
FullFront：探索跨越前端工程全流程的多模态大语言模型基准测试
FullFront是一项创新研究，首次全面评估多模态大语言模型在前端工程完整流程（从设计概念化到视觉理解再到代码实现）中的能力。研究通过精心设计的基准测试，包括网页设计、网页感知问答和网页代码生成三大核心任务，发现即使最...
2025-05-29
Time-R1: 让3B小模型也能拥有全面时间推理能力，击败671B大模型
这项研究介绍了Time-R1，一个3B参数的语言模型，通过创新的三阶段强化学习训练方法，在时间推理能力上超越了参数量大200倍的模型。该框架依次建立了基础时间理解、未来事件预测和创意场景生成能力，采用精心设计的动态奖励系...