#推理模型

共 1987 条 · 7 天 188 条 · 30 天 658 条 · 话题观测 →

OpenAI 221 Anthropic 147 开源模型 134 Claude 120 DeepSeek 104 智能体 96 GPT-6 84 编程助手 74

8月20日

SPK：结构化先验知识用于实时目标检测离分布检测

SPK是新提出的框架，能让目标检测器在检测时更准确识别异常情况，和之前的方法相比效果更好。

#SPK #Object Detector #OoD检测 #推理模型

arXiv cs.LG@Changshun Wu 等 4 人原文

模型精选10:20

Lévy Attention模型发布新增连续时间不确定性预测

Lévy Attention这个模型，能一次计算就给连续时间预测评信任度，和之前的方法比，在小数据场景下还保持较好表现。

#Lévy Attention #t-PatchGNN #推理模型

arXiv cs.LG@Sotirios P. Chatzis, Loukas Papadoulas原文

SIMPLE模型提出多视图可复用推理预训练方法

SIMPLE这个模型做了个用合成任务先验做多视图可复用推理的事，在多组学数据上直接用冻结方式就好，比以前方法省事儿。

#SIMPLE #推理模型 #多组学 #多视图

arXiv cs.LG@Jielong Lu 等 5 人原文

模型精选10:18

ADEPT模型：强化学习加速机器人灵巧操作

我了解ADEPT这个模型，它是用强化学习让机器人更灵活，学新动作时能直接用之前的经验，和没这么训练的方法比，效果更好。

#ADEPT #Kuka-Allegro #Flexiv-Sharpa #多模态

arXiv cs.AI@Jayjun Lee 等 10 人原文

可解释式AI预测2026年中国中部夏季干旱异常

这是科研团队用可解释AI做气候预测研究，用模型分析大气环流与降水联系，预测干旱效果比常规方法更好。

#可解释AI #推理模型 #气候预测

arXiv cs.AI@Anran Wang 等 8 人原文

模型中美对照10:18

Qwen3模型推出VLA框架监测多代理隐蔽通信

Qwen3推出了VLA框架，用来监测多代理潜在通信，在小范围拍卖里表现好，你可以去了解下。

#Qwen3 #智能体 #多模态 #推理模型

arXiv cs.AI@Ramneet Kaur 等 6 人原文

梯度提升集成叶值作为坐标：精确对比性解释

研究团队提出把梯度提升集成叶值当坐标的新方法，能让模型决策解释更精准，复现决策和实际可行性都比普通方法好

#梯度提升集成 #推理模型 #tabular数据

arXiv cs.AI@Emanuele Luzio原文

PGFS++：分子性质优化与合成多样性约束解决方案

PGFS++是新分子优化方法，能解决合成和多样性难题，比之前版本效果更好还保分子多样性。

#PGFS++#分子优化 #强化学习 #AI模型

arXiv cs.AI@Boqiao Zhang 等 4 人原文

模型72°10:15

SPADE：自适应合成环境自博弈框架发布

你可以试试SPADE，它是让大语言模型自己学建环境，在数学题这些领域比固定环境方法强5.3%呢。

#SPADE #LLM #推理模型 #工具使用

arXiv: OpenAI@Bo Liu 等 18 人原文

模型中美对照多源确认精选07:36

智谱GLM-5.3后训练提升编码能力

智谱这GLM-5.3后训练分享，讲了如何提升编码能力，比之前的GLM-5.2效果更强。

#GLM-5.3 #GLM-5.2 #智谱 #推理模型

宝玉@dotey7 个信源在谈原文

general多源确认72°05:26

OpenAI GPT - 5.6版本在Replicate平台上线

Replicate和OpenAI一起推出了GPT - 5.6版本，用户可以直接用它来做项目，和之前版本比起来使用体验更好了。

#GPT - 5.6 #OpenAI #Replicate #推理模型

Replicate@replicate11 个信源在谈原文

OPSD与Continual Learning研究讨论会聚焦数据难题

@rronak_团队讲了GRPO在Continual Learning里的改进思路，想了解行业前沿的人可以去听听。

#OPSD #Continual Learning #GRPO #推理模型

Latent.Space@latentspacepod原文

general 中美对照多源确认04:00

OpenAI 发布 GPT - 5.0 版本，GLUE 基准达 85.7 分

OpenAI 推出了 GPT - 5.0，这次更新后 GLUE 基准分数更高，比之前好 3.2 分，想了解模型进步的朋友可以去看看。

#GPT - 5.0 #OpenAI #GLUE #推理模型

官方账号OpenAI@OpenAI6 个信源在谈原文

Arena 模型在 leaderboard 上实现新成绩

你朋友发的，讲Arena Model 这次在 leaderboard 的表现，比之前好不少，值得看看。

#Arena Model #leaderboard #GLUE #推理模型

lmarena.ai@lmarena_ai原文

黑盒AI提供免费GLM - 5.2及ChatGPT Sol折扣

黑盒AI现在提供免费GLM - 5.2两周体验，还能拿到ChatGPT Sol半价优惠，比普通购买便宜不少，你值得试试。

#GLM - 5.2 #ChatGPT Sol #blackboxai #推理模型

Guillermo Rauch@rauchg原文

模型中美对照多源确认74°01:25

英伟达测试超300项验证技能，评估对实任务代理的帮助

英伟达测试超300项技能，对比后可知技能对代理帮助大小, 和无技能代理比效果不同, 值得去了解。

#NVIDIA #Skills #Benchmark #智能体

官方账号NVIDIA AI@NVIDIAAI8 个信源在谈原文

8月19日

epochai发布新模型版本，GLUE基准提升15%

试试epochai的新模型吧，它在GLUE基准比之前版好15%，多语言处理更顺了，值得看看。

#epochai #智能体 #推理模型

AI Will@FinanceYF5原文

模型中美对照多源确认精选81°22:41

Anthropic 发布 Claude 实验报告，开放查看完整内容

Anthropic 发了 Claude 新实验成果，去他们官网博客看看，这次和以前比有变化呢

#Claude #Anthropic #推理模型 #ai-models

AI Will@FinanceYF511 个信源在谈原文

模型中美对照多源确认22:39

Anthropic宣布实验室可使用语言模型完成全蛋白质设计流程

Anthropic放出Claude模型新功能，能让任意实验室完成全蛋白设计流程，比行业平均效率高很多。

#Claude #Anthropic #蛋白设计 #AI模型

官方账号Decoder@Maximilian Schreiner11 个信源在谈原文

模型中美对照72°22:38

Gemini 3.7 Flash登顶AA - AnalystAgent分析榜单

Gemini 3.7 Flash在这项真实任务评测中夺冠，能高效处理多样数据，比其他参与者表现更好。

#Gemini 3.7 Flash #AA - AnalystAgent #推理模型 #定量分析

Philipp Schmid@_philschmid原文

模型精选11:54

CABLE：通过互补前导链接扩展记忆检索范围

清华团队提出CABLE方法，让AI记忆系统不再只靠相似度，而是通过互补链接找回被遗忘的关键信息。

#CABLE #记忆检索 #LLM代理 #推理模型

arXiv: DeepSeek@Zheling Tan 等 3 人原文

EvoTS-Agent：面向金融时间序列变化点检测的自进化LLM智能体

金融时间序列变化点检测的新方法EvoTS-Agent，能自动优化模型选择和参数，无需专家干预。

#EvoTS-Agent #LLM #金融时间序列 #智能体

arXiv cs.AI@Lei Jiang 等 10 人原文

论文多源确认11:42

低资源语言中的思考：SFT构建、RL修复与准确率盲区

论文揭示SFT和RL如何让模型真正用低资源语言思考，而非表面准确率提升，还发布了五个实用检查点。

#SFT #RL #低资源语言 #推理模型

arXiv: OpenAI@Ayoub Kirouane, Christos Petrocheilos11 个信源在谈原文

贝叶斯更新、后悔与信息的博弈论研究

这篇论文揭示了贝叶斯博弈中后悔分解的统一框架，将多种机器学习方法纳入同一理论体系。

#贝叶斯更新 #后悔分解 #零和博弈 #推理模型

arXiv cs.LG@Akshay Balsubramani原文

循环增强：基础模型推理时架构优化方法

研究人员提出Recirculation技术，让Gemma3模型困惑度降23%，准确率提21%，还不增加推理延迟。

#Recirculation #Gemma3 #推理模型 #架构优化

arXiv cs.LG@Michael C. Mozer 等 5 人2 个信源在谈原文

神经符号世界模型实现零样本任务迁移

这篇论文提出神经符号世界模型，能让AI系统零样本适应新任务，比传统方法泛化能力更强。

#Neurosymbolic #World Models #Zero-Shot #强化学习

arXiv cs.LG@Isidoro Tamassia 等 3 人原文

产品 Agent 与开发者精选03:38

Muse Glimmer 30B 登陆 Fireworks 微调 API

Fireworks 现在能微调 Muse Glimmer 30B 了，适合做智能体和长推理任务。

#Muse Glimmer 30B #Fireworks #微调 #智能体

Fireworks AI@FireworksAI_HQ原文

模型精选72°02:12

AxiomProver 完成 BGP246 定理形式化

Axiom 的 AxiomProver 证明了 BGP246 定理，离孪生素数猜想很近。

#Axiom #AxiomProver #BGP246 #推理模型

The Rundown AI@therundownai原文

产品中美对照多源确认精选78°01:34

NVIDIA 推出 TensorRT Model Connect 公测版

NVIDIA 发了个工具，两行命令把 Hugging Face 模型转 TensorRT，省去 ONNX 导出步骤。

#NVIDIA #TensorRT #Hugging Face #OpenAI

官方账号NVIDIA AI@NVIDIAAI11 个信源在谈原文

行业 Agent 与开发者多源确认78°00:20

Anthropic 在 Vercel 单价高出平均 4.4 倍

Anthropic 在 Vercel 单价贵 4 倍，但开发者依然愿意买单。

#Anthropic #Vercel #定价 #推理模型

官方账号Decoder@Matthias Bastian11 个信源在谈原文

8月18日

模型 Agent 与开发者精选17:35

AI系统压缩上下文时平均丢弃83%用户指令

宾州州立大学研究者给Qwen3.5-9B加了个模块，能让AI压缩上下文时少丢用户指令，保留超90%限制，比原来83%好多了。

#Qwen3.5-9B #推理模型 #提示词工程

官方账号Decoder@Matthias Bastian2 个信源在谈原文

KV-Rescue：用轻量全上下文助手恢复被驱逐的KV缓存损失

KV缓存驱逐会掉精度，KV-Rescue用个小模型当辅助，能救回87%的损失，还省43%的生成量，跑长推理的可以看看。

#KV-Rescue #KV缓存 #推理模型 #Qwen2.5-Math

arXiv cs.AI@Minsoo Cheong 等 4 人原文

路由分歧不等于行为影响：同权重MoE自蒸馏研究

这篇论文把MoE路由分歧讲透了，用分解和实验证明路由项影响很小，做自蒸馏的值得看看。

#MoE #自蒸馏 #路由 #arXiv

arXiv cs.AI@Cedric Caruzzo 等 3 人原文

模型中美对照多源确认76°15:27

Anthropic披露Model 2模型，能力略高于Claude Mythos 5

Anthropic悄悄透露了下一代模型Model 2，比现在的Claude Mythos 5更强，虽然提升不大，但值得关注。

#Anthropic #Model 2 #Claude Mythos 5 #CoBench v2

IT之家11 个信源在谈原文

Agentic-SQL 新研究：按自主度划分 Text-to-SQL 并给出基准分析

做 Text-to-SQL 的可以看看这份排行榜聚合方法，它把不同模型和推理方式按自主度归类，还给出了在 Spider、BIRD 上的实测对比，省得自己瞎比较。

#Text-to-SQL #Spider #DeepSeek V3 #GLM-4

arXiv: DeepSeek@Changruo Zhao 等 8 人原文

模型中美对照多源确认08:42

DeepSeek V4 Pro翻车实测：Flash比Pro强，High比Max强

看 DeepSeek V4 Pro 翻车实测，便宜版 Flash 反而更强，High 模式干翻 Max，还有 Harness 能否救场。

#DeepSeek #V4 Pro #V4 Flash #DeepSeek Harness

orange.ai@oran_ge8 个信源在谈原文

模型中美对照精选72°08:26

Qwen 3.8 27B拿下52分，追平GPT-5.6 Luna

27B的小模型追平了GPT-5.6和GLM-5.2，参数还小几十倍，值得看看。

#Qwen #GPT-5.6 #GLM-5.2 #DeepSeek

官方账号Simon Willison’s Weblog原文

模型中美对照多源确认07:20

27B模型Qwen3.8-27b评测52分，追平Luna和DS V4

看看这个27B小模型，用3000美元硬件就打平了Luna和DS V4，还超了Opus，到底是黑科技还是刷分？

#Qwen3.8-27b #Luna #DS V4 #Opus

orange.ai@oran_ge3 个信源在谈原文

模型中美对照精选04:02

Sakana Namazu上线OpenRouter，基于Kimi K2.6的日本文化推理模型

SakanaAI出了个叫Namazu的模型，基于Kimi K2.6，懂日本文化还能搜索和写代码，适合搞日本业务，去OpenRouter试试。

#Sakana Namazu #Kimi K2.6 #Sakana AI #OpenRouter

OpenRouter@OpenRouterAI原文

模型中美对照官方一手73°00:20

GPT-5.6 Sol 在 ARC-AGI-3 上从 13.3% 跃升至 38.3%，输出 token 减少约 6 倍

OpenAI 的 GPT-5.6 Sol 在 ARC-AGI-3 上分数翻倍还多，token 还省了六倍，看看他们怎么做到的。

#GPT-5.6 #ARC-AGI-3 #OpenAI #推理模型

官方一手@OpenAIDevs@OpenAIDevs11 个信源在谈原文