OpenAI 模型解決了 80 年未解的數學難題
OpenAI 宣布其內部 AI 模型成功反證了一個長達 80 年的離散幾何猜想。此成果已獲得外部數學家的驗證，標誌著 AI 在執行複雜數學推理能力上的重要里程碑。
Search
Tag: #reasoning112 results
Alibaba DAMO Academy 的 I2B-LPO 提升數學推理能力
Alibaba DAMO Academy 的 I2B-LPO 框架已被 ACL 2026 接收，旨在解決 RLVR 同質化問題。透過優化推理路徑，該框架將數學推理準確率提升了 5.3%，語義多樣性提升了 7.4%。
Gemma 4：位元組對位元組最強開源模型
DeepMind 推出 Gemma 4，這是其迄今最智能的開源模型。這些模型專為進階推理和代理工作流程而建，並宣稱是位元組對位元組最強大的開源模型。
Corti 的 Symphony 在醫學編碼勝過 OpenAI
Corti 推出 Symphony AI，在醫學編碼基準測試中勝過 OpenAI 和 Anthropic。基於最大規模的同行評審醫學編碼研究，將編碼視為推理任務。現在透過 API 提供，用於臨床筆記標準化。
ARC-AGI-3 重置前沿 AI 計分板
ARC-AGI-3 是 AGI 基準測試的最新版本，已重置前沿 AI 模型的排行榜。此更新以新穎任務挑戰系統的抽象與推理能力。另有附註提及用於公司 Slack 建立品牌反應 GIF 的工具。
老黃入局吃龍蝦！英偉達發布最強開源Agent推理模型
英偉達執行長老黃入局，發布最強開源Agent推理模型。公司宣布260億美元投入開源模型。
GPT 5.4 藉舊預印本解未解數學題
OpenAI 的 GPT-5.4 Pro 使用遺忘的 2011 年預印本解決首個 Tier 4 數學題。它獲得代理功能如發出滑鼠點擊指令，並在試算表方面卓越。改進包括預先規劃、更少 token 和更好的 Epoch AI 數學基準。
ChatGPT 新增 GPT-5.4 Thinking 處理複雜任務
ChatGPT 推出 GPT-5.4 Thinking，提升更深層推理和工作流程能力，適用於更大、更複雜的任務。GPT-5.3 Instant 仍為日常快速使用的預設選項。此更新強化 ChatGPT 處理進階 AI 互動的能力。
微軟 Phi-4 15B 自主思考小型多模態 AI
微軟推出開源權重 Phi-4 15B 多模態模型，其獨特之處在於能自行決定何時深入思考或直接回答。擁有 150 億參數，專為影像描述、介面元素辨識與複雜數學推理等高難度任務設計。
Gemini 3.1 Pro 進化為任務代理
Gemini 3.1 Pro 推出，強化思考力並大幅提升代理執行能力，以處理複雜任務。它從「思考 AI」轉變為「工作 AI」，具基準測試進展與功能升級。開發者觀點解析此進化方向。