AI在线 AI在线

推理

大模型玩不好数独？！Transformer作者初创公司公布排行榜：o3 Mini High“变异数独”正确率仅2.9%
低Token高精度！字节复旦推出自适应推理框架CAR

低Token高精度！字节复旦推出自适应推理框架CAR
过度依赖CoT思维链推理会降低模型性能，有新解了！ 来自字节、复旦大学的研究人员提出自适应推理框架CAR，能根据模型困惑度动态选择短回答或详细的长文本推理，最终实现了准确性与效率的最佳平衡。 推理能力的进步极大提升了大语言模型（LLMs）和多模态大语言模型（MLLMs）在各类任务中的表现。
5/27/2025 3:28:47 PM
与Gemini Diffusion共振！首个扩散式「发散思维链」来了

与Gemini Diffusion共振！首个扩散式「发散思维链」来了
近年来，思维链在大模型训练和推理中愈发重要。 近日，西湖大学 MAPLE 实验室齐国君教授团队首次提出扩散式「发散思维链」—— 一种面向扩散语言模型的新型大模型推理范式。 该方法将反向扩散过程中的每一步中间结果都看作大模型的一个「思考」步骤，然后利用基于结果的强化学习去优化整个生成轨迹，最大化模型最终答案的正确率。
5/27/2025 9:00:00 AM
打破思维链推理瓶颈！“软推理”让大模型学会人类抽象能力，token使用量还更少了

打破思维链推理瓶颈！“软推理”让大模型学会人类抽象能力，token使用量还更少了
不再像CoT（“思维链”）一样“一个字一个字往外蹦”，加上“软思维”就能让大模型像人类一样进行抽象思考。 来自SimularAI和微软DeepSpeed的研究员联合提出了Soft Thinking，让模型在连续的概念空间中进行 “软推理”，而非局限于离散的语言符号，打破了基于离散token的推理瓶颈。 相比标准CoT，Soft Thinking最高提升Pass@1平均准确率2.48%、减少token使用量22.4%。
5/26/2025 8:40:00 AM
AI越聪明越不听话！新研究：最强推理模型指令遵循率仅50%

AI越聪明越不听话！新研究：最强推理模型指令遵循率仅50%
如果面前有两个AI助手：一个很聪明但经常不守规矩，另一个很听话但不太聪明，你会怎么选？ 最近，上海人工智能实验室与香港中文大学的研究团队发布了论文《Scaling Reasoning, Losing Control: Evaluating Instruction Following in Large Reasoning Models》，通过一个全新的评测基准MathIF揭示：大模型越擅长复杂推理，越容易忽略用户的指令要求，“聪明”和“听话”之间存在明显的矛盾。 这项工作的灵感，源自实际使用推理模型（如o3）过程中的一个意外发现：相比许多经过强化推理训练的大模型，GPT-4o在执行具体指令时反而更加“听话” 。
5/26/2025 8:30:00 AM
首次，AI下棋不再是「黑盒」！

首次，AI下棋不再是「黑盒」！
围棋因其独特的复杂性和对人类智能的深刻体现，可作为衡量AI专业能力最具代表性的任务之一。 目前，AI虽然在棋力、效率、通用性等方面均取得显著成绩，但其具体推理过程仍处于「黑盒」之中，更无法用人类语言解释其思考过程和结果。 大模型具备良好的自然语言交互性，如何通过提升大模型的推理能力，实现围棋专业能力突破，是摆在科研人员面前的一道难题。
5/26/2025 8:27:00 AM
英伟达再破世界纪录，每秒1000 token！刚刚，全球最快Llama 4诞生

英伟达再破世界纪录，每秒1000 token！刚刚，全球最快Llama 4诞生
你以为，AI推理的速度已经够快了？ 不，英伟达还能再次颠覆你的想象——就在刚刚，他们用Blackwell创下了AI推理的新纪录。 仅仅采用单节点（8颗Blackwell GPU）的DGX B200服务器，英伟达就实现了Llama 4 Maverick模型每秒单用户生成1000个token（TPS/user）的惊人成绩！
5/23/2025 1:50:39 PM
小学数学题，大模型集体不及格！达摩院推出新基准VCBench

小学数学题，大模型集体不及格！达摩院推出新基准VCBench
大模型做数学题的能力很强，可是它们真的能够理解基本的数学原理吗？ 拿小学生的数学题进行测试，人类平均得分为93.30%，而大模型的表现让人意外：闭源模型中Gemini2.0-Flash（49.77%）、Qwen-VL-Max（47.03%）、Claude-3.7-Sonnet（46.63%）的综合表现最佳，但仍未突破50%准确率。 因为大模型可能并不能真正理解基本数学元素和视觉概念。
5/23/2025 8:47:00 AM
华为FlashComm技术助力大模型推理提速80%

华为FlashComm技术助力大模型推理提速80%
在全球人工智能发展的浪潮中，模型推理的速度和效率愈发成为焦点。 近期，华为的数学团队在 DeepSeek 开源周期间推出了名为 FlashComm 的新技术，旨在通过三项创新措施，大幅提升大模型推理的性能，最高可达80% 的速度提升。 首先，FlashComm 技术重点优化了 AllReduce 通信操作。
5/22/2025 4:00:55 PM
AI在线
红帽发布全新 AI 推理服务器，推动混合云环境下智能化发展

红帽发布全新 AI 推理服务器，推动混合云环境下智能化发展
红帽公司近期正式推出了红帽 AI 推理服务器（Red Hat AI Inference Server），这款服务器旨在为混合云环境提供更加高效和经济的 AI 推理服务。 通过采用先进的 vLLM 技术，并结合 Neural Magic 的创新能力，红帽希望为用户带来更快的响应速度和更优越的性能。 红帽 AI 推理服务器是一款专为高性能设计的开放推理解决方案，配备了一系列先进的模型压缩与优化工具。
5/22/2025 4:00:55 PM
AI在线
多模态大模型MMaDA：让AI学会「跨次元思考」，文本图像通吃的全能型选手来了！

多模态大模型MMaDA：让AI学会「跨次元思考」，文本图像通吃的全能型选手来了！
最近，普林斯顿大学、字节跳动、清华大学和北京大学联手搞了个大事情，推出了一款名为 MMaDA 的多模态大模型! 这可不是普通的 AI，它号称能让 AI 拥有“深度思考”的能力，还能在文本、图像、甚至复杂的推理任务之间“七十二变”，表现力直接超越了你熟悉的 GPT-4、Gemini、甚至 SDXL!你可能觉得，现在的多模态模型已经很厉害了，能看图说话，也能根据文字生成图片。 但 MMaDA 告诉我们:这还远远不够!
5/22/2025 3:00:55 PM
AI在线
英伟达推出新型模型 Cosmos-Reason1 ，让 AI 更好理解物理世界

英伟达推出新型模型 Cosmos-Reason1 ，让 AI 更好理解物理世界
近日，英伟达发布了其最新的 Cosmos-Reason1系列模型，旨在提升人工智能在物理常识和具身推理方面的能力。 随着人工智能在语言处理、数学及代码生成等领域取得显著进展，如何将这些能力扩展到物理环境中成为了一大挑战。 物理 AI（Physical AI）不同于传统的人工智能，它依赖于视频等感官输入，并结合现实物理法则来生成反应。
5/21/2025 4:00:55 PM
AI在线
ChatGPT转型计划曝光！不再只是回答问题，而是通过穿插使用工具变身行动助手

ChatGPT转型计划曝光！不再只是回答问题，而是通过穿插使用工具变身行动助手
AI Agent今天是初级工程师，6个月后是高级工程师，一年后是架构师。 这是OpenAI CPO Kevin Weil在接受最新访谈时提出的构想。 他表示，ChatGPT将从回答问题转变为为用户做事。
5/21/2025 1:57:58 PM
谷歌Gemini 2.5 Pro Deep Think发布：并行推理重塑AI复杂问题解决

谷歌Gemini 2.5 Pro Deep Think发布：并行推理重塑AI复杂问题解决
在2025年5月20日的Google I/O开发者大会上，谷歌DeepMind正式推出了Gemini2.5Pro Deep Think模式，这一实验性增强推理模式为AI处理复杂任务树立了新标杆。 Deep Think模式通过并行推理技术，使Gemini2.5Pro在数学、编码和多模态推理等领域的表现达到行业领先水平。 并行推理技术，显著提升复杂任务表现Deep Think模式采用前沿的并行推理技术，允许模型在生成响应前探索多个假设路径，从而提升答案的准确性和深度。
5/21/2025 10:01:51 AM
AI在线
CoT推理大溃败？哈佛华人揭秘：LLM一思考，立刻就「失智」

CoT推理大溃败？哈佛华人揭秘：LLM一思考，立刻就「失智」
DeepSeek-R1火了，推理模型火了，思维链（Chain-of-Thought，CoT）火了！ 模型很聪明，问题是：它还听你的话吗？ 思维链很好，但代价呢？
5/21/2025 9:02:20 AM
蚂蚁武威：下一代「推理」模型范式大猜想

蚂蚁武威：下一代「推理」模型范式大猜想
R1 之后，长思维链成为研究下一代基础模型中 “推理”（Reasoning）能力的热门方向。 一方面，R1 证明了大模型深度思考的可行性；与此同时，尽管 R1 展现出了强大的性能，大模型推理的序幕实则才刚刚拉开。 此外，R1 在海外掀桌也给国内人工智能的研究带来一个显著影响，即：越来越多的研究者敢于站在更高视角思考，提出前瞻引领的技术思想。
5/21/2025 12:10:00 AM
陈彩娴
​谷歌 DeepMind 通过强化学习微调提升 AI 决策能力

​谷歌 DeepMind 通过强化学习微调提升 AI 决策能力
近期，谷歌 DeepMind 团队与约翰・开普勒林茨大学 LIT AI 实验室合作，开展了一项关于人工智能语言模型的新研究。 他们采用了强化学习微调（RLFT）技术，旨在提升语言模型的决策能力。 这项研究的重点在于，通过思维链的强化训练，解决了模型在决策过程中存在的一些关键问题。
5/20/2025 6:00:45 PM
AI在线
ICML 2025 | 大模型深度思考新范式：交替「推理-擦除」解决所有可计算问题

ICML 2025 | 大模型深度思考新范式：交替「推理-擦除」解决所有可计算问题
作者介绍：本文第一作者是丰田工业大学芝加哥 PhD 学生杨晨晓，研究兴趣是机器学习理论和大模型推理，在 ICML，NeurIPS，ICLR 等顶级会议上发表过论文。 本文提出一个交替「推理 - 擦除」的深度思考新范式 PENCIL，比传统 CoT 更高效地解决更复杂的推理任务。 理论上，我们证明 PENCIL 可用最优空间与最优时间下解决所有可计算问题，而这对于传统的 CoT 是不可能的！
5/16/2025 8:44:01 AM