证明步骤验证值不值?开放权重数学推理的认证代价

一篇 arXiv 新论文评估了“证明步骤验证”流水线:让 LLM 把解题答案重写成带类型的步骤并逐链认证,只在有把握时作答。它在难任务上显著提高答案精度,但覆盖面大幅下降,在接近满分的任务上收益很有限。

一篇 arXiv 新论文评估了“证明步骤验证”流水线:让 LLM 把解题答案重写成带类型的步骤并逐链认证,只在有把握时作答。它在难任务上显著提高答案精度,但覆盖面大幅下降,在接近满分的任务上收益很有限。

PhysLoop 提出一套利用大模型物理知识来筛选、修正视频生成结果的框架,并开源 10 万段视频与两个评测数据集,尝试推动视频生成模型在物理一致性上的递归自我改进。

英伟达CEO黄仁勋于2026年11月12日突然辞职,此前他被曝与一名疑似中国情报人员的女性有婚外情,随后又传出与公司内部高管存在第二段关系。美国参议院已传唤他下月作证,英伟达股价五日内蒸发5500亿美元市值。

Hugging Face Papers 收录的论文提出 Reciprocal World Model(RWM),并给出 Duo v1 全双工世界模型原型:它一边持续感知音视频输入,一边实时回应用户,还能被打断。值得关注的是,它把“推理决策”和“音视频生成”视为同一世界的两个同等基础能力,试图打破现有世界模型只…

Naver AI 提出轻量级二阶优化器 FOAM,试图在保留 SOAP 收敛优势的同时,把优化器状态内存和计算开销压到接近 AdamW 的水平。

据 Bloomberg 报道,英伟达与多家资产管理公司筹划一只规模约 5000 亿美元的 AI 融资载体,资管方在黄仁勋离场前要求英伟达提高其对 25% 残值(residual value)的兜底比例,这直接关系到 AI 算力设备的融资成本与风险分担方式。

Anthropic 于 2026 年 11 月 9 日发布 Claude Fable 5.2 和 Mythos 5.2,官方展示 Fable 5.2 协调超过 1000 个子 Agent、连续工作 8 天交付操作系统原型;对开发者而言,真正的变化不是模型更强,而是需要把任务边界和验收条件定义得更具体。

英伟达CFO Colette Kress在黄仁勋卸任后出任临时CEO。她曾把对OpenAI的2500亿美元信贷担保压缩到约1000亿美元,市场因此把这轮AI资本扩张的节奏变化押在她身上。

2026年11月13日,英伟达宣布创始人黄仁勋卸任总裁、CEO及董事职务,距媒体曝出其个人行为争议仅14天。此事发生在芯片出口管制与合规审查持续收紧的背景下,可能影响英伟达对华业务走向和全球算力供应链。

科大讯飞宣布星火语音基座大模型 SparkAudio 1.0 已在讯飞开放平台上线 API 服务,开发者与企业可直接集成调用。其核心变化是用原生语音大模型直接理解声音,而非先转写成文字再交给大模型处理。