Gemini 3.1 Pro：處理最複雜任務的更智能模型
DeepMind 推出 Gemini 3.1 Pro，這是一款更智能的 AI 模型，專為複雜任務設計。它在簡單回應不足的情況下表現出色，能實現進階問題解決。
Search
Tag: #reasoning112 results
Grok 4.6 登陸 Vercel AI Gateway
來自 xAI 的 Grok 4.6 現已透過 Vercel AI Gateway 提供，支援 500K token 上下文視窗，以及文字和圖片輸入。開發者可選擇 low、medium、high 或 xhigh 推理等級，預設為 high，也能透過 AI SDK 或 coding agents 使用該模型。
弱模型修復強模型的推理錯誤
Woodpecker Distillation 顯示，強大語言模型的失敗往往源於中間推理步驟中的局部錯誤，而非整體能力不足。該方法利用弱模型的對比式介入與後續 token 分布，在數學推理基準上提升強模型的表現。
Qwen 預告全新 27B 模型
Qwen 開發團隊表示全新的 27B 模型即將發布，並稱其能力將大幅提升，而不只是重新訓練版本。他們也透露 Qwen3.8 的細節，包括 2.4T 總參數、95B 活躍參數、大量後訓練運算，以及用於處理超過 100 小時影片的階層式影片記憶方法。
ARCANA：用於 ARC-AGI-2 推理的多代理框架
ARCANA 是一個協作式多代理框架，旨在於嚴格限制下解決複雜的 ARC-AGI-2 任務。它結合了以物件為中心的感知、潛在程式策略和反思性回饋，以提高推理效率。
PMD：透過程序記憶蒸餾實現自我改進的語言模型
程序記憶蒸餾（PMD）是一種新的訓練框架，透過從模型輸出中提取跨情境模式來建立可重複使用的程序記憶。這種記憶作為訓練支架，使模型能夠內化策略並提升效能，且在推論階段無需額外記憶。
建立 LLM 評估與數據策劃之間的閉環系統
本研究引入了「能力切片」(capability slice) 框架，旨在彌合模型評估失敗與針對性數據干預之間的差距。透過按任務類型和操作對評估樣本進行分類，工程師可以系統性地診斷並修復模型缺陷。
ToE：用於可解釋 AI 事實查核的階層式框架
ToE (Tree of Evidence) 是一個將聲明建模為動態論證樹的新框架，旨在提升自動化事實查核能力。它利用強化學習驅動的檢索與證據聚合技術，以對抗 AI 生成的錯誤資訊與 GEO 毒化攻擊。
LLM 世界模型規劃的新範式
研究人員提出了一種三階段訓練流程，使 LLM 代理具備「假設性」推理能力。透過內化世界模型，代理可以在執行前模擬未來結果並評估計畫。
MER-R1 整合快慢思維以提升多模態情緒推理能力
MER-R1 是一個全新的強化學習框架，透過平衡快思維的直覺與慢思維的精確度，優化多模態情緒識別。該框架解決了召回率與精確度之間的權衡問題，並在 MER-UniBench 等基準測試中達到業界領先水平。