MAVEN：透過符號驗證提升代理工具呼叫能力
MAVEN 是一個輕量級符號推理框架，旨在改善代理工具的編排與驗證能力。它能在無需額外訓練的情況下，顯著提升複雜基準測試中的準確率。
Search
直接匹配不多，已補上最新動態。
Tag: #symbolic-reasoning4 results
🔬
手動配置權重的 Transformer 實現完美乘法
作者使用 Torchwright 將小學直式乘法演算法直接編譯進一般的 Phi-3 checkpoint，完全不需訓練。這個三位數計算器在 3,000,000 個支援的表達式上達到 100% 準確率，另有支援 12 位數乘法的 checkpoint。
ReSS：符號支架提升表格資料推理
ReSS 框架從決策樹提取決策路徑作為符號支架，引導 LLM 產生表格資料的忠實推理。它建立高品質資料集用於微調 LLM，並透過資料增強提升泛化能力。在醫學與金融基準上提升達 10%，並引入忠實度指標。
驗證傷害：LLM 邏輯輔導不對稱效應
研究人員引入一個包含 516 個證明狀態的基準，用於評估命題邏輯輔導中的 LLM 反饋。他們發現驗證可將錯誤傾向反饋提升 85%，但所有管道在複雜度 4-5 以上均失效。這挑戰了驗證器普遍改善輔導的假設。
Meta 因具成癮性的平臺設計面臨審判
California 與其他 28 個州指控 Meta 設計 Facebook 和 Instagram 使其具成癮性、違反兒童隱私法，並隱瞞相關做法。檢方將其涉嫌採取的策略概括為「吸引、留住、收集、隱瞞」。
Cloudflare Agent Tracing 新增 Payload 控制功能
Cloudflare 推出 Agent Tracing，支援設定 Payload 截斷限制。不同支援的 Agent 框架在 Payload 預設記錄策略上有所差異，因此開發者在設定可觀測性時需要檢查各框架的個別設定。
好萊塢創作者在失業潮中訓練 AI
編劇、導演與製片人正接下臨時工作，教導 AI 系統編劇與製作規劃等技能。時薪介於 12 至 200 美元之間，但部分工作者認為這等同於協助自動化自己的職業。
⚙️
AI 熱潮揭示磷化銦供應缺口
AI 資料中心擴張正大幅推升磷化銦衍底的需求，這類材料用於高速光晶片。全球供應高度集中於三家海外供應商，而中國國內產能仍然有限，且正處於擴產爬坡階段。
AI 快速起飛引發生存安全疑慮
Timothy Garton Ash 探討 AI 可能很快進入遞迴自我改進並達到超級智慧的預測。矽谷的樂觀展望，與 Geoffrey Hinton 等人對人類可能無法控制日益強大系統的警告形成對比。
🤖
SHADOW-250M：僅 60 MB 的長上下文 LLM
一名獨立開發者表示，他以 300 億個 FineWeb tokens 訓練 SHADOW-250M，這個 2.5 億參數 LLM 經量化後低於 2 bits。據稱模型可在筆電 CPU 上以每秒約 400 tokens 運行，並透過磁碟上的 1-bit 壓縮機制，從最長 1 億 tokens 的歷史內容中進行檢索。