DeFAb：用於 AI 可廢止溯因推理的驗證基準
DeFAb 是一個旨在測試基礎模型在「可廢止溯因推理」能力的全新基準，利用形式邏輯來評估模型的創造力與理論推理。研究顯示，現有頂尖模型在邏輯嚴謹性上表現不佳，相較於符號求解器，難以內化可廢止推理。
Search
直接匹配不多，已補上最新動態。
Tag: #logical-reasoning4 results
Draft-and-Prune：提升自動形式化可靠性
Draft-and-Prune (D&P) 是一種推論時框架，透過起草多樣自然語言計劃、修剪不正確形式化，並以多數投票聚合，提升自動形式化可靠性。它在 AR-LSAT 上以 GPT-4 達 78.43% 準確率、以 GPT-4o 達 78%，優於 MAD-LOGIC 和 CLOVER 等基準。在 PrOntoQA 和 LogicalDeduction 上達 100%。
GRiD：用於知識圖譜推理的圖結構規則生成框架
GRiD 是一個利用擴散模型為知識圖譜推理發現複雜圖結構邏輯規則的新框架。透過結合監督式預訓練與強化學習，它克服了傳統鏈式規則挖掘的局限性。
SSLogic：代理式元合成擴展邏輯推理
SSLogic 是一個代理式元合成框架，透過迭代的生成-驗證-修復迴圈，在任務家族層級擴展邏輯推理任務，合成 Generator-Validator 程式對。採用多閘驗證協議，結合多策略一致性檢查與對抗性盲審，由獨立代理撰寫並執行程式碼以過濾問題任務。在演化資料上訓練，提升 SynLogic +5.2 分等基準表現。
AI 需求先暴增，利潤仍在路上
GDS Holdings 顯示，AI 相關資料中心訂單的增長速度快於已確認收入。這項趨勢反映需求強勁，但基礎設施擴建週期也使獲利延後。
Windows 為何成為 AI PC 的絆腳石
隨著 AI 工作負載提高對系統資源的需求，Microsoft 正重新最佳化 8GB 以上裝置的 Windows 記憶體使用。文章認為，舊版相容性、整合服務、WebView2 與分散的資源管理，正壓縮本地模型和 AI Agent 可用的記憶體空間。
星海圖探索具身智能產業化
量子位報導星海圖與產業夥伴共同討論具身智能從模型走向生產力的路徑。文章強調透過產業協作，推動具身智能真正落地到多個行業。
Codex 正縮小與 Claude Code 的差距
OpenAI 表示 Codex 活躍使用者已突破 2,000 萬，第三方追蹤數據則顯示其近期增速超越 Claude Code。Claude Code 目前規模仍較大且深受開發者採用，但隨著 Anthropic 接近早期市場飽和，其高速成長已經放緩。
🔬
腦機介面助患者重新站立與看見
中國多項臨床試驗正利用腦機介面，協助脊髓損傷患者站立與行走，並讓失明患者恢復有限的視覺感知。試驗結果差異很大，凸顯這項技術的潛力，以及目前在訊號採集、解碼與復健方面的限制。
Alibaba 重組 AI 與雲端業務
據報 Alibaba 正合併電商業務、整合雲端與晶片業務，並將 Qwen 拆分為獨立子公司。報導亦涵蓋 Unitree 計畫登陸科創板、Anthropic 據傳的年化營收，以及 Alibaba 持續投入 AI 對利潤與現金流造成的壓力。