中国私募巨头幻方量化旗下的 DeepSeek，近日发布了其最新的推理专注型大型语言模型 R1-Lite-Preview。该模型目前仅通过 DeepSeek Chat 这一网页聊天机器人平台提供给公众使用。 DeepSeek 以其在开源 AI 生态系统中的创新贡献而闻名，这次的新发布旨在为公众带来高水平的推理能力，同时保持对可访问性和透明性的承诺。尽管 R1-Lite-Preview 目前仅在聊天应用中可用，但它已凭借接近甚至超过 OpenAI 近期发布的 o1-preview 模型的性能引起了广泛关注。 R1-Lite-Preview 采用 “链式思维” 推理，能够展示其在

最近，AI 大型语言模型（LLM）在各种任务中表现出色，写诗、写代码、聊天都不在话下，简直是无所不能!但是，你敢相信吗?这些“天才”AI 居然是“数学菜鸟”!它们在处理简单的算术题时经常翻车，让人大跌眼镜。一项最新的研究揭开了 LLM 算术推理能力背后的“奇葩”秘诀:它们既不依赖强大的算法，也不完全依靠记忆，而是采用了一种被称为“启发式大杂烩”的策略! 这就好比一个学生，没有认真学习数学公式和定理，而是靠着一些“小聪明”和“经验法则”来蒙答案。研究人员以算

近日，北京大学等科研团队宣布发布了一款名为 LLaVA-o1的多模态开源模型，据称这是首个能够进行自发、系统推理的视觉语言模型，堪比 GPT-o1。该模型在六个具有挑战性的多模态基准测试中表现优异，其11B 参数的版本超越了其他竞争者，如 Gemini-1.5-pro、GPT-4o-mini 和 Llama-3.2-90B-Vision-Instruct。LLaVA-o1基于 Llama-3.2-Vision 模型，采用了 “慢思考” 推理机制，能够自主进行更加复杂的推理过程，超越了传统的思维链提示方法。在多模态推理基准测试中，LLaVA-o1的表现超出了其基础模型8.9%。该模型的

在人工智能快速发展的今天，复杂推理任务仍是一大挑战。即便是GPT-4和Claude3.5Sonnet等顶尖模型，在处理复杂编程、深度对话和数学推理时仍存在不足。为解决这一问题，Fireworks AI推出了突破性的复合式AI模型f1，开创了AI技术发展的新篇章。f1模型最大的创新在于其复合推理架构。不同于传统依赖单一推理系统的AI模型，f1在推理层整合了多个开源模型的优势，通过简洁的提示界面为开发者提供强大的功能支持。这种设计让f1能够根据任务特点，动态调用最适合的模型来处理问题的不同环节。

月之暗面旗下Kimi智能助手宣布 Kimi 探索版再进化，引入搜索意图增强、信源分析和链式思考三大推理能力。意图增强能力使Kimi探索版能够将抽象和模糊的问题具体化，拓展用户的真实搜索意图。 信源分析能力让Kimi探索版从大量搜索结果中筛选出更具权威性和可靠性的信源，并提供溯源链接，精确到段落级别。 ​链式思考能力则使Kimi探索版能够基于思维链推理能力处理产品、公司、行业等研究问题。

月之暗面Kimi智能助手宣布推出新一代数学推理模型k0-math。k0-math模型在多项数学基准能力测试中表现突出，其成绩在中考、高考、考研以及包含入门竞赛题的MATH等4个数学基准测试中超过了OpenAI o1系列的o1-mini和o1-preview模型。

Anthropic近日在其控制台（Console）推出了重要更新，为开发者带来了提示词优化和示例管理的全新功能。这一升级将帮助开发者更轻松地应用提示工程最佳实践，打造更可靠的AI应用。提示词质量直接影响着AI模型的输出效果。然而，不同模型平台的提示词最佳实践各不相同，优化过程往往耗时费力。针对这一痛点，Anthropic推出的提示词优化器可以自动运用先进的工程技术来完善现有提示词，特别适合优化为其他AI模型编写的提示词或手写提示词。具体来说，优化器通过五大方法来增强提示词

普林斯顿大学和耶鲁大学的研究人员最近发布了一份关于大语言模型（LLM）“思维链(CoT)”推理能力的报告，揭示了CoT推理的奥秘:它并非纯粹基于逻辑规则的符号推理，而是融合了记忆、概率和噪声推理等多种因素。研究人员以破解移位密码为测试任务，分析了GPT-4、Claude3和Llama3.1这三个LLM的表现。移位密码是一种简单的编码方式，每个字母都被替换成字母表中向前移动固定位数的字母。例如，将字母表向前移动3位，"CAT"就会变成"FDW"。研究结果表明，影响CoT推理效果的三个关键因素是:概

Meta FAIR、加州大学伯克利分校和纽约大学的研究人员联合推出了一种全新技术，名为思维偏好优化（TPO）。这项创新旨在提升大语言模型(LLM)在处理指令时的回答质量。与传统模型只关注最终答案不同，TPO 允许模型在给出最终回答之前，先进行内部思考和反思，从而生成更准确和连贯的回答。TPO 技术的核心是改进后的连锁思维（CoT）推理方法。这种方法在训练过程中鼓励模型 “思考一下再回答”，帮助它们在提供最终答案之前，构建更有条理的内在思维过程。传统的 CoT 提示有时会导致准

最近，有消息称，OpenAI 正在与博通（Broadcom）展开合作，计划开发一款定制的推理芯片。根据路透社的报道，这两个公司之间的讨论非常机密，而台湾半导体制造公司(TSMC)可能会作为此次项目的代工厂。这一消息引发了外界对 OpenAI 未来发展方向的广泛猜测。图源备注:图片由AI生成，图片授权服务商Midjourney那么，OpenAI 为何需要一款自己的推理芯片呢?首先，OpenAI 的云计算费用非常庞大，尽管有像微软这样的合作伙伴在部分费用上给予支持，但自己掌控硬件无疑能够大幅降低运营成本。许多

来自德国达姆施塔特工业大学的最新研究揭示了一个令人深思的现象:即便是当前最先进的AI图像模型，在面对简单的视觉推理任务时也会出现明显失误。这项研究结果对AI视觉能力的评估标准提出了新的思考。研究团队采用了由俄罗斯科学家Michail Bongard设计的Bongard问题作为测试工具。这类视觉谜题由12张简单图像组成，分为两组，要求识别出区分这两组的规则。对于大多数人来说，这种抽象推理任务并不困难，但AI模型的表现却令人意外。即便是目前被认为最先进的多模态模型GPT-4o，在100个

在如今这个人工智能（AI）飞发展的时代，各大企业都在全力以赴地想要将 AI 技术应用到生产环境中，以期获得更高的投资回报率。然而，即便市场上有各种先进的 AI 模型，团队们在部署时依然面临不少挑战。根据 Everest Group 的首席执行官彼得・本多尔 - 塞缪尔的估计，90% 的生成式 AI 试点项目将难以进入生产阶段。此外，Gartner 预测到2025年底，许多生成式 AI 项目可能会在概念验证后被遗弃。在这些挑战中，最大的障碍就是协调问题。团队往往缺乏足够的资源来完成所有工作，这使他们不

Meta 的 FAIR 团队最近推出了一款名为 Dualformer 的全新 Transformer 模型，该模型模仿人类的双重认知系统，能够无缝整合快速和慢速推理模式，在推理能力和计算效率上取得了显著突破。人类的思维过程通常被认为是由两种系统控制的:系统1快速直观，系统2则更慢但更具逻辑性。传统的 Transformer 模型通常只模拟了系统1或系统2中的一种，导致模型要么速度快但推理能力差，要么推理能力强但速度慢且计算成本高。Dualformer 的创新之处在于其训练方式。研究人员利用随机推理轨迹对模型进行训练

如今的人工智能模型是否真的能像人类一样记忆、思考、计划和推理呢?有些 AI 实验室似乎让人觉得我们离 “人类级 AI” 不远了，但 Meta 的首席 AI 科学家 Yann LeCun 却给了大家一记冷水。他认为，我们要想实现这一目标，可能还需要十年的努力，而这一切的关键在于 “世界模型”。在今年年初，OpenAI 推出了一项新功能，声称它的 ChatGPT 可以 “记住” 与用户的对话。它最新一代的模型在生成输出时显示 “思考” 字样，甚至宣称这些模型能够进行 “复杂推理”。图源备注：图片由AI生成，

最近，苹果公司的研究人员对大语言模型（LLM）的数学推理能力进行了深入研究，推出了一项名为 GSM-Symbolic 的新基准测试。这个新基准测试是在 GSM8K 的基础上发展的，后者主要用于评估基础数学能力。虽然许多 LLM 在 GSM8K 上的表现有所提升，但科学界对这些模型的推理能力仍然存有疑问，认为现有的评估指标可能无法全面反映它们的真实能力。研究发现，LLM 通常依赖于概率模式匹配，而非真正的逻辑推理，导致它们对输入的小变化非常敏感。在这项新研究中，研究人员使用符号模板生成

一个名为OpenR的创新开源框架近日问世，旨在解决大型语言模型（LLMs）在复杂推理任务中的短板。这一由伦敦大学学院、利物浦大学、上海交通大学、香港科技大学(广州)和西湖大学研究人员联合开发的框架，通过结合测试时计算、强化学习和过程监督，为提升LLMs的推理能力开辟了新途径。尽管LLMs在语言生成方面取得了显著进展，但在处理数学、编程和科学问题等复杂任务时仍面临挑战。OpenR的出现正是为了弥补这一差距，将LLMs的能力从简单的文本生成拓展到更高级的推理领域。OpenR的设

最近，苹果公司进行了一项关于大语言模型（LLM）推理能力的研究，引发了人们对这些模型在数学领域表现的关注。众所周知，GSM8K 基准测试被广泛用于评估模型在小学数学问题上的推理能力。尽管 LLM 在 GSM8K 上的表现近年来有所提高，但研究人员对此结果的可靠性产生了质疑。因此，他们进行了大规模的研究，探讨当前最先进的开源和闭源模型的表现。为了更好地评估模型的推理能力，研究团队引入了一种改进的基准测试 ——GSM-Symbolic。这个新基准测试使用符号模板生成多样化的问题，

在人工智能的世界里，机器学习模型尤其是大型语言模型（LLMs）的推理能力一直是科学家们关注的焦点。最近，苹果公司的AI研究团队发表了一篇论文，题为《理解大型语言模型在数学推理上的局限性》，为我们揭开了这些模型在处理逻辑问题时的局限性。论文中，研究者们通过一个简单的数学问题来展示这一点。他们首先提出了一个关于奥利弗摘猕猴桃的问题:如下所示:奥利弗星期五摘了44颗猕猴桃。星期六他又摘了58颗猕猴桃。星期天他摘的猕猴桃数量是星期五的两倍。奥利弗一共有多

日前，不少用户反馈， Kimi已经开始内测"探索版"，获得内测资格的用户只要子啊在输入框中输入 “/”，就能看到新的功能选项。从Kimi探索版截图界面可以看到，页面会提示:输入 “/”使用 Kimi探索版，解决复杂的搜索问题。值得一提的是，由于处于功能内测中，目前每个获得内测权限的账号每天也只能使用5次。据了解， Kimi探索版在智力和推理能力有了非常大的提升，尤其是在数学、编程等领域表现突出。用户在提出一个问题时，Kimi探索版首先会对问题进行拆解，然后再进行深度的搜索

OpenAI，这个在人工智能领域扮演着举足轻重角色的科技巨头，近期再次成为科技圈关注的焦点。然而，这次引发关注的并非是突破性的技术创新，而是公司内部持续不断的人才流失现象。最新消息显示，OpenAI又一位重量级人物宣布离职。o1推理模型的主要贡献者之一Luke Metz在社交媒体上发文称，他即将结束在OpenAI长达两年多的"奇妙旅程"。与此同时，可靠消息源透露，曾负责后训练团队的Barret Zoph也已离职，其职位由William （Liam） Fedus接任。这两位都曾是o1模型的七位主要负责人之一，他们