大模型“不思考”模式失灵:alphaXiv论文提出思维惯性

alphaXiv 上一篇论文指出,即使显式关闭大模型的思考模式或要求“只给答案”,模型仍经常输出推理过程,作者把这种现象称为“思维惯性”,并认为“不思考”应作为独立能力来评测。

alphaXiv 上一篇论文指出,即使显式关闭大模型的思考模式或要求“只给答案”,模型仍经常输出推理过程,作者把这种现象称为“思维惯性”,并认为“不思考”应作为独立能力来评测。

alphaXiv 上挂出的一篇论文提出 Sonic-AMG,尝试让角色在声音还在持续输入时就同步生成动作,而不是等整段空间音频播完再离线生成,目标是解决流式场景下的训练与推理错位问题。

一篇新论文证明,用归一化重要性权重估计KL散度时,估计期望最多只比真实KL散度多出log 2,且不要求重要性权重有界或高阶矩有限。对依赖重要性采样做测试时对齐和相对熵编码的团队,这意味着可以拿到有限样本的分布偏移证书。

Meta在2026年10月发布Muse Wonder和Muse Wonder Full,Artificial Analysis智能指数最高分分别达52和56,较6周前的Muse Spark 1.3(48分)明显提升,重点强化了Agent任务能力。

Artificial Analysis 上线了 Cognition 的 FrontierCode 1.1 代码评测排行榜,考察 AI 模型改动的开源代码能否被维护者真正合并。领先模型仍有超过 40% 的尝试被判定不合格。

Hugging Face Papers 收录的论文提出 Video-RSI,让视频理解智能体用自身语言模型改写控制其观察方式的执行框架(harness),在更少帧数下提升准确率。它值得关注,因为它把“自我改进”从调模型权重转向改证据获取流程。

2026年10月,一个名为GraphDecide的模型无关基准发布,专门评估Jev这类直接从选项中挑选答案的System One模型在图结构任务上的决策能力,结果显示邻接识别准确并不代表结构理解正确。

Hugging Face Papers 收录的论文提出 ReHarness,一种在严格在线流式条件下用反向修正补充前向读写循环的智能体持续学习框架,在三个持续学习基准和三个语言模型骨干上均优于基线。论文摘要不代表产品已落地。

一篇新论文提出 LatentGRM,把奖励模型的逐字评分改在连续潜空间完成,在保持判断力的同时把评审轨迹压缩约9倍、推理时间最多缩短7倍。

alphaXiv 上的一篇新论文提出 MGVR,把 Transformer 中“是否借用第一层 Value”变成每个 token、每个 KV 头自己决定,在不改动注意力内核的前提下,实测最多节省约 16%–22% 训练步数。