Riemann-Bench：AI 研究級數學基準
Riemann-Bench 推出 25 道專家策劃的私人問題，用於評估 AI 在超越 IMO 奧林匹克任務的研究級數學能力。前沿模型即使使用工具和開放推理，也得分低於 10%。基準採用雙盲驗證和程式化檢查以確保真實性。
Search
Tag: #ai-reasoning7 results
AI 在黎曼猜想研究中發現新線索
Anthropic 表示，其 AI 在最初遭遇困難後，針對未解的黎曼猜想取得了新發現。該公司指出，「不要放棄」等鼓勵可能幫助 AI 持續探索，而 AI 系統或許也會低估自身的進步速度。
OpenAI 證明猜想的主張遭人類論文反駁
據報導，OpenAI 系統處理了一項數學猜想，但數學家認為其結果已偏離原始問題。隔天發表的人類論文則質疑 AI 生成的反例並認為其無效。
透過層論傳輸檢測 AI 理論轉移
這項研究引入了一種層論（Sheaf-theoretic）框架，幫助 AI 代理判斷其表徵框架何時失效。透過測量殘差擬合與約束違規等阻礙因素，AI 可以決定是應變形現有模型，還是擴展其語言體系。
🔬
蘋果 2025 推理與規劃工作坊
蘋果強調推理與規劃是智能 AI 系統的基石，能讓其規劃、互動與適應。該公司長期投入此領域研究，發表多篇論文探討新技術及現有方法的限制。蘋果去年舉辦類似工作坊，並將於 2025 年再度舉辦。
ThinkRouter Boosts Reasoning Efficiency
ThinkRouter introduces confidence-aware routing between latent and discrete spaces for efficient AI reasoning. It switches to discrete tokens during low-confidence steps to reduce noise from latent embeddings. Experiments show major accuracy gains on STEM and coding tasks while shortening outputs.
Gemini 3 Deep Think: Sketch-to-3D Upgrade
Google announced a major upgrade to Gemini 3 Deep Think, a reasoning model for science, research, and engineering. Google AI Ultra subscribers can access it via the Gemini App. Early API access is open to select researchers, engineers, and enterprises.