推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限
斯坦福等团队提出IneqMath基准，用于评估大语言模型在数学不等式证明中的严谨性与合理性。结果显示模型推理正确率远低于答案正确率，暴露出其逻辑缺陷。研究者引入多维度评审器审查模型解题过程，以提升模型的逻辑严谨性。
研究团队
Vision-R1：多模态领域的DeepSeek R1-Zero，7B参数比肩OpenAI O1
Vision-R1项目通过两阶段策略解决了多模态推理数据稀缺的问题，提出冷启动初始化和RL训练方案，并创新性地引入PTST策略和HFRRF奖励函数，显著提升了模型在多个数学推理基准测试中的表现。
超越DeepSeek推理，效率更高！斯坦福马腾宇新作：有限数据，无限迭代
新智元报道
编辑：LRS
STP（自博弈定理证明器）模型通过模仿数学家的学习方式，实现了在「有限数据」的情况下无限运行并自我改进。该方法显著提高了已知模型的扩展性能，并且能够在多种基准测试中实现最优表现。
不要再用 markdown 格式给大模型喂网页了！
一种名为HtmlRAG的新方法让RAG系统能够充分利用HTML结构信息，大幅提升知识检索准确性。通过HTML清理、块树构建及两阶段剪枝技术，HtmlRAG解决了传统RAG系统的「近视」问题，显著提高了效率和准确性。