Tag: reasoning
All the articles with the tag "reasoning".
- 7.0
A Survey of Scaling in Large Language Model Reasoning
LLM推理Scaling Laws综合综述：推理能力的scaling比数据和模型scaling更复杂，甚至可能产生负面影响。
- 7.0
Pause or Fabricate? Training Language Models for Grounded Reasoning
LLM在输入不完整时产生置信但不可靠结论的失败模式——ungrounded reasoning，源于推理边界感知缺失而非推理能力不足
- 6.2
Process Reward Agents for Steering Knowledge-Intensive Reasoning
Process Reward Agents 提出针对知识密集型推理的新型训练范式——在数学/代码等可验证领域之外的推理任务中，如何设计有效的 process reward model 来引导 CoT 质量。
- 6.4
SPPO: Sequence-Level PPO for Long-Horizon Reasoning Tasks
SPPO 提出序列级 PPO 算法，解决 token-level PPO 在长 Chain-of-Thought 推理任务中的时序信用分配困难和高内存消耗两大瓶颈，为 GRPO 等替代方案提供了效率更高的训练路径。
- 8.0
Nemotron-Cascade 2：30B MoE 仅激活 3B，IMO/IOI/ICPC 金牌级开源推理模型
NVIDIA 发布 30B MoE 开源模型，Cascade RL + 多领域蒸馏技术让小模型达到三大竞赛金牌水平
- 8.0
Introducing Mistral Small 4
Mistral releases 119B parameter Apache 2 licensed model unifying reasoning, multimodal, and agentic coding capabilities into a single model.
- 8.0
Google 研究提出贝叶斯教学法，让 LLM 学会概率推理更新
· InfoQGoogle 研究人员提出一种新训练方法，通过让大模型模拟最优贝叶斯系统的预测，使其具备随新证据动态更新信念的能力，解决了 LLM 推理僵化的核心问题。
- 7.0
Tree Search Distillation：用 PPO 让语言模型学会「先搜后答」
研究者提出树搜索蒸馏方法，通过 PPO 将 MCTS 等树搜索过程内化到 LLM 推理中，推理时无需额外搜索即可受益。
- 9.2
OpenAI 发布 GPT-5.4 Thinking 和 GPT-5.4 Pro：面向专业工作的最强前沿模型
· OpenAIOpenAI 正式推出 GPT-5.4 系列，包括 GPT-5.4 Thinking（集成思维链推理）和 GPT-5.4 Pro（最高质量选项），同步支持 1M token 上下文窗口，面向 Codex 和 API 全面开放。
- 8.5
- 8.3
Google DeepMind 发布 Gemini Deep Think：重新定义科学研究
DeepMind 发布 Gemini Deep Think 最新版本，在奥林匹克级别数学问题上大幅超越前代，推动 AI 辅助科学发现。