2025-05-28
SophiaVL-R1：为多模态大语言模型注入思维奖励，让AI推理能力更上一层楼
SophiaVL-R1是香港中文大学和上海人工智能实验室联合开发的多模态大语言模型，创新性地引入了"思维奖励"机制来提升AI的推理能力。与传统方法不同，该研究不仅关注AI是否得出正确答案，还评估整个思考过程的质量，通过T...
2025-05-28
思考还是不思考？为视觉-语言模型打造通过强化学习的选择性推理
这项由香港中文大学和新加坡国立大学研究者合作开发的"思考或不思考"（TON）框架，通过创新的"思考丢弃"策略和两阶段训练方法，实现了让视觉-语言模型能够像人类一样根据问题难度选择性推理的能力。实验表明，TON可减少高达9...
2025-05-28
让AI学会用图像思考：GRIT框架如何教会多模态大语言模型在视觉推理中打下坚实基础
GRIT是一种创新框架，它教会多模态大语言模型（MLLMs）在视觉推理过程中"边看边思考"。传统MLLMs虽能处理图像和文字，但无法明确指出推理时关注的具体图像区域。GRIT通过引入一种新的推理范式，让模型生成的推理内容...
2025-05-28
SafeKey：放大"啊哈时刻"洞察力，增强安全推理能力
这项研究提出了SafeKey框架，针对大型推理模型安全问题的新解决方案。研究者发现模型在思考过程中存在"安全啊哈时刻"，关键在于理解查询后的第一个句子。SafeKey通过双路径安全头和查询掩码建模两种方法增强这一安全信号...
2025-05-28
从机器人感知到智能理解：UC伯克利推出Robo2VLM，利用真实机器人操作数据训练视觉语言模型
UC伯克利研究团队开发了Robo2VLM，一个创新框架，利用真实机器人操作数据增强视觉语言模型的空间推理能力。该研究从176K真实机器人轨迹创建了一个包含684,710个问题的大规模VQA数据集，涵盖463个场景和3,3...
2025-05-28
Tool-Star：如何让AI更聪明地使用多种工具解决问题？人民大学的强化学习新突破
Tool-Star是人民大学研究团队开发的AI多工具协作系统，它通过强化学习使大型语言模型能够自主调用多种外部工具进行推理。该系统采用创新的数据合成流程和两阶段训练框架，包括冷启动微调和带有层级奖励的自我批评强化学习。在...
2025-05-28
强化学习只是微调了大型语言模型中的小型子网络 — 伊利诺伊大学厄巴纳-香槟分校研究发现
伊利诺伊大学厄巴纳-香槟分校研究发现，强化学习在微调大型语言模型时，实际上只更新了模型中5%-30%的参数，而非整个模型。这种"参数更新稀疏性"在各种RL算法和模型中普遍存在，且仅微调这个子网络就能达到与完全微调相同的效...
2025-05-28
无需训练的视觉语言大模型推理与反思能力：武汉大学研究团队开创性FRANK模型让AI自我纠错
武汉大学研究团队提出了FRANK模型，一种无需训练的方法，能让视觉语言大模型获得推理和反思能力。研究发现多模态模型中，浅层解码器负责视觉理解，深层负责文本推理，据此设计了一种层次化权重合并策略，将视觉模型与推理模型智能融...
2025-05-28
DiCo：ByteDance团队重新激活卷积神经网络，实现高效率扩展的扩散模型
ByteDance和中国科学院的研究团队提出了Diffusion ConvNet (DiCo)，一种完全基于卷积神经网络的扩散模型架构，实现了图像生成任务中质量与效率的双重突破。研究发现DiT模型中的全局自注意力机制存在...
2025-05-27
惊人发现！伊利诺伊大学揭示最简单的方法让AI变得更聪明：减少不确定性胜过复杂训练
这项研究揭示了熵最小化作为单独目标可显著提升大型语言模型在数学、物理和编程任务上的推理能力，无需任何标记数据。伊利诺伊大学厄巴纳-香槟分校的研究团队提出三种方法：无监督微调(EM-FT)、基于熵奖励的强化学习(EM-RL...
2025-05-27
原来AI也会内耗啊，新加坡国立大学提出Thinkless解决AI过度思考问题
2025年5月19日，新加坡国立大学研究团队发表最新研究Thinkless，就像是给"内耗"的AI朋友配了一个心理咨询师，教会它什么时候该深度思考，什么时候可以快速回答。
2025-05-27
BLEUBERI：当BLEU不再只是一个简单指标，而成为指导大语言模型的强力工具
这篇文章介绍了马里兰大学研究团队开发的BLEUBERI方法，该方法惊人地发现被认为过于简单的BLEU评分系统在指导大语言模型遵循指令方面非常有效。研究表明，当使用高质量参考答案时，BLEU与人类偏好的一致率可达74.2%...
2025-05-27
VerifyBench：为大语言模型的基于参考的奖励系统搭建基准测试
VerifyBench是首个专门评估大语言模型基于参考的奖励系统的基准测试，填补了现有奖励评估基准的关键空白。由浙江大学、美团等机构联合开发，包含VerifyBench和更具挑战性的VerifyBench-Hard两个数...
2025-05-27
BANDITSPEC：用赌博机算法提升AI模型推理速度的创新突破
BANDITSPEC是一项创新研究，将多臂赌博机算法应用于大型语言模型的推测解码过程，实现了无需训练的自适应超参数选择。研究团队通过理论分析和实验证明，该方法能在各种基准测试中显著提升模型推理速度，比现有方法快13-19...
2025-05-27
这次与众不同：Datadog公司如何打造出一款专注于可观测性数据的时间序列基础模型
这篇博客解析了Datadog公司开发的TOTO模型，一款拥有1.51亿参数的时间序列预测基础模型，专为可观测性数据设计。研究团队同时推出了BOOM基准数据集，包含3.5亿个观测值和2,807个真实时间序列。TOTO创新性...
2025-05-27
声入虎穴：MBZUAI研究团队揭示大型音频语言模型的安全漏洞与对抗攻击实验
这项由Mohamed bin Zayed人工智能大学研究团队主导的研究首次建立了针对大型音频语言模型的安全性测试基准。研究发现，当前主流音频语言模型在面对特定音频扰动时，即使是微小的声学变化也能显著降低其安全防护能力，导...
2025-05-27
小说竞技场：当AI作家与网文达人同台竞技 - WebNovelBench将大模型小说家放在网文分布图上
WebNovelBench研究为评估AI的长篇故事创作能力提供了突破性方法，利用4000多部中国网络小说建立基准，将AI小说家与人类作品进行直接比较。研究者设计了"摘要转小说"任务，通过八个叙事维度进行评估，发现顶级AI...
2025-05-27
MultiHal：基于知识图谱的多语言LLM幻觉评估数据集——为大模型事实性保驾护航
这项研究提出了MultiHal，一个基于知识图谱的多语言数据集，用于评估大型语言模型的幻觉问题。研究团队从开放域知识图谱中挖掘了14万条路径，筛选出2.59万条高质量数据，并翻译成5种语言。基线实验表明，使用知识图谱增强...
2025-05-27
HumaniBench：一个从人性角度评估大型多模态模型的全新框架——Vector研究院和中佛罗里达大学联合打造的人机协作评测体系
HumaniBench是由Vector研究院和中佛罗里达大学联合开发的首个以人为中心的大型多模态模型评测框架，包含约3.2万对真实世界图像-问题对。与传统仅关注准确率的评测不同，它从公平性、伦理性、理解能力、推理能力、语...
2025-05-27
思考到什么时候为好？美团AI研究团队提出自适应思考模式切换方法，让大型推理模型更高效
这篇论文介绍了美团研究团队开发的"自适应自恢复推理"（ASRR）框架，解决了大型推理模型在简单问题上过度思考的效率问题。研究发现模型具有"内部自恢复机制"，能在生成答案时隐式补充推理。ASRR通过无思考模式抑制不必要推理...