测试时缩放（TTS，Test-Time Scaling）是一种提升大语言模型推理能力的新兴策略，通过在测试阶段优化推理过程（如多数投票、蒙特卡洛树搜索等）提升大型语言模型（LLMs）的性能，而无需修改模型参数。

AIMO 可是 AI 领域超重磅的竞赛，总奖金高达 1000 万美元，旨在激励开发能和国际数学奥林匹克顶尖选手媲美的开源 AI 模型。这次比赛题目涵盖代数、组合数学等多个领域，难度达到国家奥林匹克竞赛级别，都是全新创作的题目，就为了考验 AI ...

如上图所示，在模型训练的早期阶段，模型几乎没有主动检查和反思先前推理步骤。然而，随着训练的进行，模型表现出明显的反思和回溯行为，形成如逐步推理、数值替换、逐一验证和自我优化等响应模式。

BEIJING, Apr 11 (China Economic Net) - China has nearly closed the artificial intelligence (AI) performance gap with the United States, with its leading models achieving near parity with American ...

花友@橙橙Cheng是一位理科学霸，当年因为数学竞赛保送到清华大学，现在是商学院统计学方向的数学老师，也是一位妈妈，带着孩子学数学已经三年了，小朋友现在对数学很有兴趣，甚至能在妈妈的带领下，阅读一些简单的专业书籍。回顾这三年的启蒙，花友@橙橙Chen ...

在生成式 AI 的发展历程中，我们正跨入一个激动人心的新阶段 —— 第二幕：认知工程。这一转变不仅仅是技术的迭代，更是 AI 能力本质的重新定义。那么，什么是认知工程？它与第一幕的知识工程有何本质区别？为什么它会在此时出现？这些问题将成为我们理解 AI 未来发展的关键。

研究发现，推理模型（如DeepSeek-R1、o1）遇到「缺失前提」（MiP）的问题时，这些模型往往表现失常：回答长度激增、计算资源浪费。本文基于马里兰大学和利哈伊大学的最新研究，深入剖析推理模型在MiP问题上的「过度思考」现象，揭示其背后的行为模式 ...

近年来，大语言模型（LLM）的性能提升逐渐从训练时规模扩展转向推理阶段的优化，这一趋势催生了「测试时扩展（test-time scaling）」的研究热潮。OpenAI 的 o1 系列与 DeepSeek 的 R1 模型已展示出显著的推理能力提升。然而，在实现高性能的同时，复杂的训练策略、冗长的提示工程和对外部评分系统的依赖仍是现实挑战。 近日，由 a-m-team 团队提出的一项新研究提出了一个 ...

千亿参数内最强推理大模型，刚刚易主了。32B——DeepSeek-R1的1/20参数量；免费商用；且全面开源——模型权重、训练数据集和完整训练代码，都开源了。这就是刚刚亮相的Skywork-OR1 (Open Reasoner ...

Skywork-OR1系列模型现已全面开源，模型权重、训练数据集和完整训练代码，所有资源均已上传至GitHub和Huggingface平台。配套的技术博客已发布于Notion平台，详细阐述了数据处理流程、训练方法和关键技术发现，为社区提供了完全可复现 ...

机器之心报道机器之心编辑部近日，Deepseek R1 等一系列推理大语言模型已成为 2025 年最热门的话题之一。在过去的几周里，研究人员推出了许多改进推理的新策略，包括扩展简单测试 - 时间规模化（S1）、关联思维链（Chain of Associated thoughts）、Inner Transformer ...