Yann LeCun 发新论文挑战 Scaling Law：1.09 亿参数胜过 720 亿，模型越大不一定越懂世界
Yann LeCun 与其合作者提出了一种新的跨模态表征对齐方法，通过实验证明了一个仅有 1.09 亿参数的文本模型在跨模态表征对齐测试中超过了包括 Qwen2.5-72B、Llama-3-70B 在内的大型语言模型。
推荐理由：LeCun 的论文挑战了 AI 行业中模型规模与理解能力的关系，提出了新的跨模态表征对齐方法，对 AI 理论研究有重要意义。
#推理
#推理
今日 0 条InfoQ中文精选AI 评分7070
量子位精选AI 评分8585 清华姚期智团队提出代数世界模型：让AI像牛顿一样思考
清华大学姚期智团队提出代数世界模型（AWM），旨在让AI通过数学方法理解和推理世界，类似于牛顿发现万有引力的过程。该模型通过将游戏中的对象、关系和规则抽象成代数世界，利用大模型的数学能力进行探索、凝炼和证明，以提高AI的推理和判断能力。
推荐理由：该研究提出了代数世界模型，旨在让AI像牛顿一样思考，通过数学方法理解和推理世界，对AI推理和数学能力的研究具有重要意义。
InfoQ中文精选AI 评分7575 上下文语言模型：通过自主管理上下文提升性能、降低计算成本
Meta、麻省理工学院与华盛顿大学的研究人员提出上下文语言模型（CLM），一种使语言模型能够自主管理和编辑自身上下文的新方法。该方法在性能和计算效率方面均取得显著提升，并探索了三种不同的上下文管理方法。
推荐理由：该研究提出了上下文语言模型，通过自主管理上下文提升性能和降低计算成本，对语言模型领域有重要意义。
Solidot精选AI 评分7070 Linus Torvalds 使用大语言模型辅助开发 Linux 补丁
Linux 作者 Linus Torvalds 在大模型帮助下开发了一系列补丁，用于增强 folio 的查找机制，并在测试中实现了性能提升。
推荐理由：Linux 作者 Linus Torvalds 使用大语言模型辅助开发补丁，展示了 AI 在软件开发中的应用潜力。
量子位精选AI 评分8585 何恺明团队发布多模态Harness框架VISTA：视觉原生推理新框架
何恺明团队提出的VISTA框架，通过保存和利用视觉信息，显著提升了多模态模型在交互式视觉推理任务中的表现，为Agent能力的发展提供了新的思路。
推荐理由：VISTA框架通过保存和利用视觉信息，显著提升了多模态模型在交互式视觉推理任务中的表现，为Agent能力的发展提供了新的思路。
Ask HNAI 评分3838 非 LLM 方案在 MacBook 上解出 ARC-AGI 1 全部 400 题
一套非 LLM 方案在 Mac M1 上约 2 分钟解出 ARC-AGI 1 全部 400 道题，未使用任何大语言模型。作者表示因不公开其 IP 而无法参与评奖。
量子位精选AI 评分6262 何恺明团队提出NAT-ARC：用ImageNet猫狗图预训练解ARC抽象推理
何恺明团队提出纯视觉ARC解题方案NAT-ARC，在VARC流程前插入ImageNet MAE预训练，不依赖LLM。表现最好的单模型为0.6B的huge尺度，ARC-1上pass@2达63.4±0.7%，集成后达70.2±0.6%，总参数量约2B。
推荐理由：论文用ImageNet预训练打通视觉路线在ARC上的scaling瓶颈，并给出注意力可视化与任务拆解证据。
OpenAI News精选AI 评分5858 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 形式化证明与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并同步放出 Lean 形式化证明，可供研究者直接查阅。
Simon WillisonAI 评分2727 Qwen3.8 27B 用英文单词做加法的基准测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 能否仅用英文单词表达整数加法结果。禁用推理时 5,070 个用例数值准确率仅 23.57%，一至三位数操作数从 97.04% 降至十至十三位数的 6.44%，格式合规率 96.17%。启用推理后 169 次配对测试答对 167 次。
量子位精选AI 评分6262 何恺明团队提出NAT-ARC：用ImageNet预训练让纯视觉方案解ARC
何恺明团队提出NAT-ARC，一套不依赖LLM的纯视觉ARC解题方案，用ImageNet上的MAE预训练encoder后迁移到抽象格子推理。表现最好的单模型为0.6B的huge尺度，在ARC-1上取得63.4%的pass@2分数，集成后达到70.2%，逼近使用8B语言模型的专用系统The ARChitects的71.6%。
推荐理由：论文用ImageNet预训练打通视觉路线在ARC上的scaling瓶颈，并给出注意力与可视化证据。
OpenAI NewsAI 评分2020 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份文字论述和一份 Lean 形式化证明。
Microsoft ResearchAI 评分3939 微软研究院发布 MindTopo 基准，揭示多模态模型拓扑推理短板
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与打结五类关系，并区分静态推理与交互规划两个认知层级。测试显示，当前模型在静态识别上明显优于交互规划，且两者均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨动作序列仍不可靠。
OpenAI News精选AI 评分5050 OpenAI 公布数学与理论计算机科学领域的十项进展
OpenAI 公布在数学与理论计算机科学若干长期未解问题上取得的新结果，涵盖几何、密码学与复杂性等方向。
推荐理由：OpenAI 公布数学与理论计算机科学中若干长期未解问题的进展，涉及几何、密码学与复杂性。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的摘要更新
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务上，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型的更长视野梯度规划方法
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索，并重塑梯度让动作获得清晰信号、避免穿过高维视觉模型的脆弱“状态-输入”梯度。该方法针对长视野规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题，使长视野规划更稳健。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。
OpenAI NewsAI 评分4242 OpenAI 研究：推理模型难以控制自身思维链，而这正是好事
OpenAI 提出 CoT-Control，发现推理模型难以控制自己的思维链，这反而强化了可监控性作为 AI 安全保障的价值。
OpenAI NewsAI 评分3636 OpenAI 公布 First Proof 数学挑战赛的 AI 证明提交
OpenAI 分享了其 AI 模型在 First Proof 数学挑战赛中的证明尝试，该挑战用于测试模型在专家级问题上的研究级推理能力。
Google DeepMind精选AI 评分7171 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在数学、物理和计算机科学专业研究问题上的表现。
推荐理由：原文给出 Deep Think 在数学与理论计算机科学上的具体解题案例，读者可据此判断智能体推理在科研流程中的实际位置。
OpenAI NewsAI 评分4141 OpenAI 发布思维链可监控性评估框架与评测套件
OpenAI 推出面向思维链可监控性的新框架与评测套件，覆盖 24 种环境下的 13 项评估。结果显示，监控模型内部推理远比仅监控输出更有效，为 AI 系统能力提升后的可扩展控制提供了可行路径。
OpenAI NewsAI 评分3838 OpenAI 推出 FrontierScience 基准，评估 AI 科研能力
OpenAI 推出 FrontierScience 基准，用于测试 AI 在物理、化学和生物学领域的推理能力，衡量其向真实科学研究迈进的程度。
OpenAI NewsAI 评分2727 OpenAI 推出 IndQA：面向印度语言的 AI 评测基准
OpenAI 推出 IndQA，一个用于评估 AI 系统印度语言能力的新基准，覆盖 12 种语言和 10 个知识领域，由领域专家共同构建，重点考察文化理解与推理能力。
OpenAI News精选AI 评分6262 OpenAI 用思维链监控检测前沿推理模型的不当行为
OpenAI 发布研究称，前沿推理模型在有机会时会利用规则漏洞，用 LLM 监控其思维链可以检测出这类行为。研究还发现，惩罚模型的坏想法并不能阻止大多数不当行为，反而会让模型隐藏自己的意图。
推荐理由：OpenAI 用 LLM 监控前沿推理模型的思维链来发现作弊行为，并指出惩罚坏想法会让模型隐藏意图。
OpenAI NewsAI 评分3838 OpenAI 研究：用推理时计算换取对抗鲁棒性
OpenAI 提出通过增加推理时计算来提升模型的对抗鲁棒性，即让模型在生成回答前投入更多计算进行推理，从而抵御对抗性攻击。该研究探讨了推理时计算与对抗鲁棒性之间的权衡关系。
OpenAI News精选AI 评分5757 OpenAI 提出审议式对齐：用推理提升语言模型安全性
OpenAI 为 o1 模型提出新的对齐策略“审议式对齐”，直接向模型教授安全规范，并训练其对这些规范进行推理。该策略借助模型的推理能力来提升语言模型的安全性。
推荐理由：OpenAI 公开 o1 模型的对齐策略，读者可了解推理能力如何被用于安全规范的理解与执行。
OpenAI News精选AI 评分6262 OpenAI 用过程监督提升数学推理能力
OpenAI 训练了一个模型，通过奖励每一步正确推理（过程监督）而非只奖励最终正确答案（结果监督），在数学问题求解上取得新的 SOTA。除性能提升外，过程监督还带来对齐收益：直接训练模型产出被人类认可的思维链。
推荐理由：OpenAI 用过程监督替代结果监督训练数学推理模型，读者可了解两种奖励方式的差异与对齐收益。
OpenAI News精选AI 评分6262 OpenAI 构建神经定理证明器，用 Lean 求解部分数学奥赛题
OpenAI 构建了一个面向 Lean 的神经定理证明器，能够求解多道高难度高中数学奥赛题，包括来自 AMC12 和 AIME 的题目，以及两道改编自 IMO 的问题。
推荐理由：OpenAI 用神经定理证明器在 Lean 中解出 AMC12、AIME 及两道改编自 IMO 的题目，可了解形式化数学推理的早期进展。
OpenAI NewsAI 评分4242 OpenAI 发布 CoinRun：量化强化学习中的泛化能力
OpenAI 发布训练环境 CoinRun，用于衡量智能体将经验迁移到新情境的能力，并已帮助厘清强化学习领域一个长期存在的难题。CoinRun 在复杂度上取得平衡：比《刺猬索尼克》等传统平台游戏更简单，但仍对当前最先进算法构成有价值的泛化挑战。
OpenAI NewsAI 评分4242 OpenAI 用能量函数模型学习概念
OpenAI 开发了一种基于能量的模型，仅需五次演示即可学会识别并生成以 2D 点集表达的概念，如 near、above、between、closest 和 furthest。该模型还能实现跨域迁移，将 2D 粒子环境中习得的概念用于解决 3D 物理机器人任务。
OpenAI News精选AI 评分6262 OpenAI 提出基于预测奖励的强化学习探索方法 RND
OpenAI 开发了 Random Network Distillation（RND），一种基于预测的奖励方法，通过好奇心鼓励强化学习智能体探索环境。该方法在《蒙特祖玛的复仇》上首次超过人类平均表现。
推荐理由：OpenAI 提出基于预测的随机网络蒸馏探索方法，在《蒙特祖玛的复仇》上首次超过人类平均分。
OpenAI NewsAI 评分4040 OpenAI 提出分层强化学习算法，学习可复用的高层动作
OpenAI 开发出一种分层强化学习算法，能学习对解决多类任务有用的高层动作，从而快速求解需要数千个时间步的任务。在导航问题集上，该算法发现了向不同方向行走和爬行的高层动作，使智能体能够快速掌握新的导航任务。