SIMA 2：在虚拟3D世界中游玩、推理与学习的智能体
Google DeepMind 的 SIMA 2 团队发布了一款能够在虚拟 3D 世界中游玩、推理并与用户共同学习的智能体。该研究得到了多个游戏开发商的合作支持，并使用了 Genie 3 模型。SIMA 2 旨在推动 AI 在交互式环境中的能力发展。
推理能力
技术方向 · 模型推理能力的进展：思维链、推理模型、数学与逻辑基准 · 共 327 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
11月13日周四 · 1 条
正文结构化主题已通过公开置信门槛
10月29日周三 · 1 条
正文结构化主题已通过公开置信门槛
Google DeepMind 启动 AI for Math 计划，加速数学发现
Google DeepMind 宣布启动 AI for Math 计划，联合帝国理工学院、高等研究院等五所顶尖机构，利用 AI 加速数学研究。该计划将提供 Gemini Deep Think、AlphaEvolve 和 AlphaProof 等工具，并已取得突破，如 AlphaEvolve 发现更高效的矩阵乘法算法，打破 50 年纪录。此举旨在推动 AI 与
8月5日周二 · 1 条
正文结构化主题已通过公开置信门槛
Anthropic 发布 Claude Opus 4.1 增量更新
Anthropic 于 2025 年 8 月 5 日发布了 Claude Opus 4.1，这是对 Opus 4 的增量更新，提升了复杂推理、分析和创意任务的性能。该模型被定位为 Anthropic 最强大的模型，相关公告和模型概述已提供。
5月1日周四 · 1 条
正文结构化主题已通过公开置信门槛
为什么我们要思考：测试时计算与思维链的进展
Lil'Log 发布文章《Why We Think》，回顾了测试时计算和思维链（CoT）在提升模型性能方面的最新进展。文章从人类双过程理论出发，将慢思考类比为测试时计算，并探讨了通过并行采样和顺序修正等解码策略来优化模型输出的方法。文章还提到了强化学习在提升 CoT 推理能力中的应用，并引用了 o1、o3 和 R1 等模型的技术报告。
12月19日周四 · 1 条
正文结构化主题已通过公开置信门槛
谷歌发布Gemini 2.0 Flash Thinking Mode公开预览版
谷歌于2024年12月19日发布Gemini 2.0 Flash Thinking Mode公开预览版。该模式是一种测试时计算模型，允许用户查看模型的思考过程，并生成具有更强推理能力的响应。
7月24日周三 · 1 条
正文结构化主题已通过公开置信门槛
Mistral AI 发布 Mistral Large 2 模型，支持多语言与代码生成
Mistral AI 发布了 Mistral Large 2 模型，拥有 128k 上下文窗口，支持多语言和 80 多种编程语言，参数规模为 1230 亿，可在单节点上高效运行。该模型在代码、推理和多语言基准上表现优异，并增强了指令遵循和函数调用能力。模型以研究许可发布，商业使用需获取商业许可，并已在 la Plateforme 和多家云平台上提供。
7月16日周二 · 1 条
正文结构化主题已通过公开置信门槛
Mistral AI 发布 Mathstral：专攻数学推理的 STEM 模型
Mistral AI 发布了 Mathstral，这是一个专为数学和 STEM 领域设计的新模型，基于 Mistral 7B 构建，在 MATH 基准上达到 56.6%，在 MMLU 上达到 63.47%。该模型旨在支持学术研究，与 Project Numina 合作开发，并可通过 HuggingFace 获取。Mathstral 在推理时增加计算量可显著提