Rohan Paul (@rohanpaul_ai)T2·基座大模型
78 分
英伟达论文提出将大模型的推理轨迹编译为带参数的小型 Python 函数,在 CPU 上执行以复用推理结果,仅在抽取数值等轻量文本任务时调用微调的 1B 小模型。该方法在 8 个数学与科学基准中的 7 个达到或超过原模型精度,AIME '25 上为 93.3% 对 83.3%,对改写或换数的变体覆盖至少 90%,成本降低 16 至 291 倍。
Reasoning Traces
记录模型从输入到最终结论的逻辑推导步骤,用于解释决策过程。
英伟达论文提出将大模型的推理轨迹编译为带参数的小型 Python 函数,在 CPU 上执行以复用推理结果,仅在抽取数值等轻量文本任务时调用微调的 1B 小模型。该方法在 8 个数学与科学基准中的 7 个达到或超过原模型精度,AIME '25 上为 93.3% 对 83.3%,对改写或换数的变体覆盖至少 90%,成本降低 16 至 291 倍。
Artificial Analysis 基于 Handshake AI 的 VIALS 数据集实现了 VIALS-AA 评测,用 161 道任务各跑三次,检验模型能否读懂科学图像并依据图中证据作答。结果显示模型即便反复查看图像仍常答错,且通往正确答案的推理路径差异明显。
弗吉尼亚理工等机构提出 Epi2Diff 框架,通过解析大模型解题时的认知片段与转移特征,无需考生实测即可预测人类试题难度。该方法在 SAT、USMLE 等数据集上表现优异,为教育测量提供了基于 AI 过程信号的新范式。
NVIDIA 推出 Nemotron 3.5 Content Safety,这是一款面向企业级应用的定制化多模态内容安全模型。该模型在 Nemotron 3 基础上扩展了推理能力与策略生成工具,支持通过自定义政策实现可审计的安全决策,旨在满足全球企业对多语言、多模态内容的合规需求。