/
麻省理工学院物理系终身教授迈克斯·泰格马克:很高兴在世界智能大会上发表讲话
麻省理工学院物理系终身教授迈克斯·泰格马克:很高兴在世界智能大会上发表讲话
来源：至顶网云计算频道
0赞好文章，需要你的鼓励
推荐文章
SynLogic：香港科技大学与MiniMax联合开发的逻辑推理数据集，让AI更懂得思考
来自香港科技大学和MiniMax的研究团队开发了SynLogic，一个可合成35种逻辑推理任务的框架与数据集，填补了AI逻辑训练资源缺口。研究表明，在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力，32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是，将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率，还增强了模型的泛化能力，表明逻辑推理是构建通用AI推理能力的重要基础。
大型语言模型的一步生成能力：揭秘人工智能“一口气“说故事的秘密 - AIRI与Skoltech研究成果
这项研究揭示了大型语言模型的惊人能力：只需两个特殊训练的向量，冻结的语言模型就能在一次计算中生成数百个准确词汇，而非传统的逐词生成。研究者发现，这种能力要求特定的输入排列方式，且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力，还为快速文本重建开辟了新方向。
深度解析：腾讯混元团队《先走后跑》——利用强化学习实现大模型简洁推理的新突破
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则，先确保模型具备准确推理能力，再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力，第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示，该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上)，又保持或提高了准确率，展现出高效率-高准确率的理想平衡。
压缩还是行动？实测告诉你压缩后的大语言模型是否真能胜任Agent任务
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现，虽然4位量化能较好地保留工作流生成和工具使用能力（仅下降1%-3%），但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力，评估了不同压缩方法对15种模型的影响。结果显示，AWQ量化效果最佳，蒸馏模型在Agent任务上表现不佳，大型模型对压缩更具韧性。研究还提出ERank等创新分析方法，为实际部署提供了切实指导。
2020
06/22
15:34
分享
点赞
现在的AI已经有可能超越人类，INTUITOR系统让AI获得自我评估能力
百度2025 Q1财报深度解读：智能云表现强劲，萝卜快跑已拓展全球 李彦宏详解AI战略：AI-first战略使百度保持领先地位
重新思考数据中心架构，推进AI的规模化落地
DeepMind CEO哈萨比斯：AGI将在2030后到来，年轻人要更重视怎么学习而非学什么专业，梵高画作震撼人心是因为他的人生
大模型应该怎么用？我们大多数人都错了，微软最新研究：大模型对话次数越多，性能越差
英伟达发布Q1财报，黄仁勋：有没有美国芯片，中国AI都会高速发展
五大机器人团队谈：人形机器人的卡点和破局之道
从 0.1% 到无穷大：不断扩大的 GPT 模型如何在未知化学宇宙中变革药物发现的未来
Mistral AI 推出代理框架以争夺企业市场
对抗性 AI：金融网络安全的新前沿
Sardina 向 SUSE Enterprise Storage 用户抛出诱饵
Nvidia 超预期Q1业绩，营收同比增长 69%
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
