爆火论文颠覆RL认知！「错误奖励」让LLM推理暴涨24.6%，学界惊了
爆火论文颠覆RL认知！「错误奖励」让LLM推理暴涨24.6%，学界惊了来自华盛顿大学、AI2、UC伯克利研究团队证实，「伪奖励」（Spurious Rewards）也能带来LLM推理能力提升的惊喜。
来自主题: AI技术研报
8641 点击 2025-05-29 10:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
来自华盛顿大学、AI2、UC伯克利研究团队证实，「伪奖励」（Spurious Rewards）也能带来LLM推理能力提升的惊喜。
Google I/O 2025 结束后，Google CEO Sundar Pichai 接受了《The Verge》主编专访，这也是双方连续第三年于 I/O 后展开对谈，而今年的背景更为特殊：Gemini 模型全面更新、多模态生成工具 Veo3 登场、AI 功能深度融入 Android 与 XR 平台，Google 展现出前所未有的产品化信心。
过度依赖CoT思维链推理会降低模型性能，有新解了！ 来自字节、复旦大学的研究人员提出自适应推理框架CAR，能根据模型困惑度动态选择短回答或详细的长文本推理，最终实现了准确性与效率的最佳平衡。
2025 年快要过半，今年上半年 AI 搜索、AI 深度研究类产品可谓是欣欣向荣。
既能提升模型能力，又不显著增加内存和时间成本，LLM第三种Scaling Law被提出了。
2025年上半年，Agent成为大模型领域讨论最多的主题之一。
在产品不断被「AI 化」的浪潮中，连浏览器也无法幸免。
“月之暗面给了我AGI信仰，但Kimi不是唯一的路。”
在大型推理模型（例如 OpenAI-o3）中，一个关键的发展趋势是让模型具备原生的智能体能力。具体来说，就是让模型能够调用外部工具（如网页浏览器）进行搜索，或编写/执行代码以操控图像，从而实现「图像中的思考」。
首个用于加速扩散式大语言模型（diffusion-based Large Language Models, 简称 dLLMs）推理过程的免训练方法。