#数学推理

Google推出NL2AGBench基准，测试大模型将几何问题转为AlphaGeometry形式语言的能力，闭源模型表现远超开源模型。

VISTA方法改进了OPSD蒸馏技术，通过验证器指导教师自适应，在数学推理任务上显著提升性能。

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。

这篇文章说AI数学强在记性好而不是脑子好，用上下文窗口碾压人类工作记忆，角度挺新鲜。

想搞懂思考模式和非思考模式怎么配比训练？这篇论文用数学题做了系统实验，告诉你数据比例和调度怎么影响推理准确率，还开源了基准。

想提升数学推理模型？SKALD 把技能蒸馏进权重，比 GRPO 最高涨 12 分，还不用改推理时的输入。

想搞懂大模型“思考”和“直接答”到底差在哪？这篇用稀疏自编码器拆解了DeepSeek-R1的推理机制，结论挺反直觉。

这篇论文提出了DASH，能让推理模型在自蒸馏时按发散情况动态调整权重，三个数学基准上全面超过原版OPSD，还不用额外算力。

这篇论文搞了个AMTFV，把数学验证拆成流程和计算两步，比直接写验证程序更稳，在多个模型上最高涨了8.3个点。

Gary Marcus盘点Astra数学8大误区，冷静看待OpenAI新模型，别被'数学已解决'带偏

Gary Marcus@GaryMarcus11 个信源在谈原文

Gary Marcus 给 OpenAI 的数学成绩单泼冷水：Astra 能解数学题是因为数学能自动验证，换到现实问题就不好说。别急着吹成万能。

Gary Marcus@GaryMarcus11 个信源在谈原文

Gary Marcus对OpenAI Astra的数学表现泼冷水：没公开细节，没独立验证，别急着吹。

Gary Marcus@GaryMarcus11 个信源在谈原文

看了这条你会明白，Astra数学再强也不是AGI的充分证据，Gary Marcus一句话点破通用性该有的样子。

Gary Marcus@GaryMarcus8 个信源在谈原文

Gary Marcus怼Astra全能论，还用Claude分析Noam推文，看看AI圈怎么吵的

Gary Marcus@GaryMarcus11 个信源在谈原文

Gary Marcus公开质疑OpenAI的249页数学论文不讲模型机制，和普通论文比缺了关键验证细节。

Gary Marcus@GaryMarcus6 个信源在谈原文

Gary Marcus说：Astra数学成绩亮眼，但实际可靠性没验证，别急着嗨。

Gary Marcus@GaryMarcus11 个信源在谈原文

OpenAI用Astra模型解决了十个多年没人做出来的数学难题，整个研究烧了约2000美元的token，还在Lean里验证过，值得看看。

这篇论文把Self-Refine、Reflexion这些热门方法拉出来做了严格对比，发现相同token预算下自己反思不如多采样几次取多数，想省成本做推理的可以看看。

这篇论文提出了一个很聪明的改进：当学生模型推理跑偏时，让老师模型短暂接管一段，再交回学生继续训练。在Qwen3小模型上效果明显，数学推理准确率提升，训练还更快。