哥德尔-Prover超过DeepSeek-Prover，陈丹琦团队造出当前最强形式化推理模型
近日，普林斯顿大学团队开源了用于自动定理证明的形式化推理模型Goedel-Prover，并在数学问题的自动形式化证明生成任务上达到了SOTA。该模型利用大规模形式化定理数据集和专家迭代方法训练，提高了解题正确率并在排行榜中取得优异成绩。
学术
0.5B小模型逆袭！不到50元，「X-R1」让每个人都能复现Aha Moment
X-R1 是一个低成本且易入门的强化学习训练框架，旨在降低 R1 的复现门槛。通过使用0.5B预训练模型，在4张3090/4090显卡上仅需2小时就实现了 ‘aha Moment’，展示了极小模型也能触发Aha Moment的现象。
刚刚，奥特曼剧透GPT-4.5、GPT-5重大更新，o3取消独立发布
奥特曼在推文中公布了OpenAI的产品路线图，强调将发布GPT-4.5和未来的GPT-5模型，并将其与多种技术整合到ChatGPT和API中。
在线教程丨DeepSeek已成小学生赶作业神器？手把手教你告别「服务器繁忙」
HyperAI超神经上线一键部署DeepSeek-R1-70B教程，帮助用户告别服务器繁忙问题。教程包含详细步骤并提供免费试用资源。
大模型轻量化系列解读 (七)｜厦门大学纪荣嵘团队提出AffineQuant：LLM 的仿射变换量化
eQuant的后训练量化（PTQ）方法，通过引入等价的仿射变换扩展了优化范围，显著降低了量化误差，尤
4500美元验证强化学习「魔力」，1.5B模型也能超越o1预览版，模型、数据、代码全开源
DeepScaleR-1.5B-Preview 成功复现 Deepseek-R1 的训练方法，成本仅需4500美元。该模型在AIME2024竞赛中超越了O1-Preview，展示了小模型通过强化学习也能实现飞跃的潜力。
Cell子刊《Patterns》最新综述：大语言模型Attention Heads的可解释性研究
大语言模型（LLMs）的注意力头功能与工作机制引起了广泛关注。《Attention Heads of Large Language Models》综述论文整合了现有研究，提出四阶段认知框架和详细分类，并梳理实验方法与评估基准，为LLM可解释性研究提供了系统性的理论支持与实践指导。