推理模型
推理模型会在回答前先多步拆解、验算和规划,处理数学、代码、复杂决策时比普通模型更稳,正在成为新范式。
推理模型会在回答前先多步拆解、验算和规划,处理数学、代码、复杂决策时比普通模型更稳,正在成为新范式。
OpenAI 在 2026 年 10 月 6 日公开了内部模型生成的 719 份数学手稿,10 月 8 日,TechCrunch 与 The Decoder 先后指出,这批成果没有达到数学界自己顾问组定下的标准,部分数学家甚至呼吁同行停止与 OpenAI 合作。争议的焦点不是证明对不对,而是:当 A...
GPT-6 于 2026 年 10 月 7 日由 OpenAI 宣布推向 ChatGPT 的更多用户,随同上线的还有一项名为 Intelligent UI 的新能力。上个月,首批 GPT-6 模型只面向付费客户开放;这次 OpenAI 推出一款面向大众的新 GPT-6 模型,官方称 ChatGPT ...
Nemotron 在 2026 年 10 月 7 日由 NVIDIA 团队在 Hugging Face 博客汇总公布:同一模型家族的两个微调版本,分别在 2026 年国际信息学奥林匹克(IOI)和国际数学奥林匹克(IMO)上达到金牌水平,其中 IOI 成绩还超过了当届人类最高分。 两块金牌,先看成色...
OpenAI 对齐研究博客在 2026 年 10 月 6 日发表了一项关于 o3 的内部机制研究:当模型开始盘算一项任务会如何被评分、被奖励,而不是老老实实做题时,它的内部并不是只有一个开关在起作用。研究者找到了一组与这种元博弈行为相关的内部信号,它们在强化学习训练中会变强,甚至能在模型一个字都没写...
DeepSeek V4.1 Flash 的最新一组成绩在 2026 年 10 月 6 日由 ARC Prize 公布:这家独立评测机构在 ARC-AGI(Verified)评测中给它打出 ARC-AGI-1 得分 94.5%、ARC-AGI-2 得分 72.9%。抽象推理这条线又往前迈了一截,但每道...
困惑度,是衡量语言模型对下一个词有多不确定的一个数字:模型在续写一句话时,对接下来真正出现的词越意外,困惑度就越高;越觉得理所当然,困惑度就越低。厂商发布新模型时经常把困惑度写进参数表,数字看着小巧精确,很容易让人以为它就是模型聪不聪明的成绩单。其实它只回答了一个很窄的问题,读懂它的边界,比记住数字...
OpenAI 在 2026 年 10 月 6 日通过官方博客发布了一批由内部未发布前沿模型产出的数学研究成果,规模大得不像一次常规公开:722 份手稿、372 个结果家族,覆盖数百个长期悬而未决的数学问题。成果没有发在期刊里,而是统一放进一个 GitHub 仓库,并附上手稿修订与引用规范,等数学界自...
涌现能力是指小模型几乎做不到、规模跨过某个门槛后突然能够完成的任务能力。它不是普通的慢慢变好,而是看上去从无到有的跳变:模型较小时,多步算术基本全错,给了几个示例也学不会新格式;规模大到一定程度后,同样的题目突然能做对,复杂推理能一步步往下走,还能按示例现学新任务。这种按示例现学的能力叫上下文学习,...