当前，Agentic RAG（Retrieval-Augmented Generation）正逐步成为大型语言模型访问外部知识的关键路径。但在真实实践中，搜索智能体的强化学习训练并未展现 出预期的稳定优势。一方面，部分方法优化的目标与真实下游需求存在偏离，另一方面，搜索器与生成器间的耦合也影响了泛化与部署效率。 我们（UIUC & Amazon）提出的 s3（Search-Select-Serve） 是一种 训练效率极高、结构松耦合、生成效果导向的 RL 范式 。该方法使用名为 Gain Beyond RAG (GBR) 的奖励函数，衡量搜索器是否真的为生成带来了有效提升。实验表明，s3 在使用仅 2.4k 训练样本 的情况下，便在多个领域问答任务中超越了数据规模大百 倍的强基线（如 Search-R1、DeepRetrieval）。 论文标题：s3: You Don't Need That Much Data to Train a Search Agent via RL 研究动机 RAG 的发展轨迹：从静态检索到 Agentic 策略 b. Search-R1 ：将检索与生成联合建模，以最终答案是否 Exa ...

机器之心报道 编辑：杜伟 在开源模型领域，DeepSeek 又带来了惊喜。 上个月 28 号，DeepSeek 来了波小更新，其 R1 推理模型升级到了最新版本（0528），并公开了模型及权重。 这一次，R1-0528 进一步改进了基准测试性能，提升了前端功能，减少了幻觉，支持 JSON 输出和函数调用。 今天，业界知名、但近期也陷入争议（曾被指出对 OpenAI、谷歌及 Meta 的大模型存在偏袒）的大模型公共基准测试平台 LMArena 公布了最新的性能排行榜，其 中 DeepSeek-R1（0528）的成绩尤为引人瞩目 。 | | Rank (UB) ↑ Model ↑↓ | | Score 11 | | 95% Cl (±) 1↓ Votes 1J | لا Organization 1 | License 1لا | | --- | --- | --- | --- | --- | --- | --- | --- | | | 1 | G gemini-2.5-pro-preview-06-05 | 1468 | +8/-6 | 8,454 | Google | Proprietary | | | 2 ...

机器之心报道 编辑：杨文 假作真时真亦假，无为有处有还无。 200 多年前，曹雪芹在《红楼梦》中写下这样一句话：假作真时真亦假，无为有处有还无。翻译成大白话就是，当虚假被当作真实时，真实也会被视为虚假；当虚 无被强行视为存在时，存在也会消解为虚无。万万没想到，放在今天的 AI 语境下，这句古话竟精准地映照了现实。 最近在 X 上冲浪，刷到了一段「人类在飞机上吵架看呆袋鼠」的视频。视频中，一只紧握登机牌、站得直挺挺的袋鼠，正满脸无辜地看着自己的主人和一名空乘人 员在登机口 battle。 视频来自： https://www.instagram.com/infiniteunreality/ 由于袋鼠的举止表情「比小朋友还乖」，引发不少网友点赞转发。其中 X 账号 @DramaAlert 就在短时间内获得了 7460 万次观看，Instagram 上这段视频光点赞量就 有 110.4 万次。 不过很快有细心的网友发现了不对劲。袋鼠手中的「登机牌」上全是难以辨认的文字乱码，而这往往是 AI 生成视频的最大「罪证」。 视频中的人类说着并不存在的语言，空乘人员佩戴的胸牌上也没有名字。 此外，乘客的左手无名指一开始并没有任 ...

机器之心报道 机器之心编辑部 上上周的 2025 高考已经落下了帷幕！在人工智能领域，各家大模型向数学卷发起了挑战。 在 机器之心的测试 中，七个大模型在「2025 年数学新课标 I 卷」中的成绩是这样的：Gemini 2.5 Pro 考了 145 分，位列第一；Doubao 和 DeepSeek R1 以 144 分紧 随其后，并列第二；o3 和 Qwen3 也仅有一分之差，分别排在第三和第四。受解答题的「拖累」，hunyuan-t1-latest 和文心 X1 Turbo 的总成绩排到了最后两名。 其实，向今年数学卷发起挑战的大模型还有其他家，比如 Xiaomi MiMo-VL，一个只有 7B 参数的小模型 。 该模型同样挑战了 2025 年数学新课标 I 卷，结果显示， 总分 139 分，与 Qwen3-235B 分数相同，并只比 OpenAI o3 低一分 。 并且，相较于同样 7B 参数的多模态大模型 Qwen2.5-VL-7B， MiMo-VL 整整高出了 56 分 。 MiMo-VL-7B 和 Qwen2.5-VL-7B 是通过上传题目截图的形式针对多模态大模型进行评测，其余均是输入文本 lat ...

机器之心原创 编辑：吴昕 AI 不缺模型，缺的是能把它带到真实世界里的「玩家」，会是你吗？ 高考刚刚结束， AI 正在进入「真实世界的考试季」。 三年前， ChatGPT 开启生成式 AI 副本，一路打怪升级，势如破竹。三年后，参数量暴涨、训练成本 高企 ，模型性能虽持续攀升，却也走到了一个关键转向点—— 性能并不是终点，应用价值才是答案。 在中国，已有超 500 个大模型通过备案，解锁「伍佰时代」。技术跃进之下，场景落地成为新的主副 本，越来越多企业开始追问： AI ，不能只是个「聊天 NPC 」，它究竟能为真实世界做些什么？ 金融副本难度拉满， AI 迎来「真题挑战」 在这场「副本更新」中，比起通用对话助手的泛能力，更具行业深度的垂类模型迅速成为焦点，特别是 在信息密度极高的金融行业。 大科技企业已陆续下场，华为推出「盘古金融大模型」，蚂蚁集团则在外滩大会发布「 AntFinGLM 」，并部署于内部应用产品 AI 金融管家「蚂小财」。 金融，历来是 AI 应用最早也最复杂的行业之一。 一方面，结构化数据如同「资源矿」，为模型提供源源不断的养料；另一方面，场景丰富，应用潜力巨 大。 想知道市场什么时候「翻车 ...

编辑：吴昕 大赛报名于 2025年6月25日截止，感兴趣的团队尽快报名参赛。 百舸争流，「启智杯」 初赛火热进行中 随着人工智能技术的不断突破，智能化浪潮正深刻改变千行百业， 中国也迎来人工智能加速应用期。 为推动智能算法从理论创新走向实际落地， 5 月 20 日，启元实验室正式启动「启智杯」算法大赛。 本届大赛围绕「卫星遥感图像鲁棒实例分割」「面向嵌入式平台的无人机对地目标检测」以及「面向多 模态大模型的对抗」三大命题，聚焦鲁棒感知、轻量化部署与对抗防御三大关键技术，旨在引导技术创 新精准对接真实场景，加快算法能力的转化落地与规模化应用。 赛事一经发布，便迅速点燃全国 技术圈 热情，目前已有来自高校、科研院所、科技企业的 500 余支 队伍报名。其中不乏清华、北大、复旦、上交、南大、武大、华科、中科大、哈工大、国防科大、西 交、成电等顶尖高校队伍，以及中科院自动化所、 中科院 空天信息创新研究院等科研机构团队，为赛 事注入强劲科研力量。 目前，赛事正处于初赛的关键节点。三大赛道的选手们正围绕核心任务展开高强度的建模与调优，争分 夺秒攻克技术难点，不断迭代优化模型方案，部分赛题的竞争已经进入白热化阶段。 三大 ...

本文共同一作是张翔和曹峻泰。张翔是英属哥伦比亚大学研究生，主要研究兴趣集中在大模型推理和 AI for Science；曹峻泰是英属哥伦比亚大学研究生， 主要研究兴趣集中在大模型推理和可解释性研究；本文通讯作者是来自纽约大学石溪分校的助理教授尤晨羽，以及来自 Meta Gen AI 的研究员丁渡鉴。 近年来，大型语言模型（LLM）在自然语言处理领域取得了革命性进展。然而，其底层的 Transformer 架构在处理复杂推理任务时仍有不足。尽管「思维 链」（CoT）提示技术提供了一条实用路径，但多数方法依赖通用指令，导致提示工程高度依赖反复试验，缺乏理论指导。 图 1 ：Prompt 模板深刻影响着答案空间的配置和导航方式。左侧展示了不同的 Prompt（如 Auto-Prompt、RL-Prompt）如何在「Prompt 空间」中进行搜索，而右侧则展示了在特定 Prompt 指导下，如何在「答案空间」中进行搜索以得到解决方案（如 Tree-of-Thought、Graph-of-Thought）。 来自英属哥伦比亚大学、纽约大学石溪分校和浙江大学的研究团队深入剖析了 Prompt 如何在 LLM 的 CoT ...

Keller Jordan，OpenAI 深度学习团队主要成员之一，用一篇博客就撬开了 OpenAI 的大门。 这篇名为《 Muon: An optimizer for hidden layers in neural networks 》的博客发布于 2024 年 12 月，而 Keller Jordan 入职 OpenAI 的时间恰好也在此时。 机器之心报道 机器之心编辑部 「许多博士（包括过去的我）都陷入了这样一个误区：认为只有在顶级会议上发表论文才是终极目标。」AI 云服务商 Hyperbolic CEO Yuchen Jin 如是说。 但现在，发表论文并不与学术影响力直接画等号了。 在这篇博客中，Keller Jordan 提出并构建了一种用于神经网络隐藏层的优化器 Muon，其能够在保证神经网络（包括 Transformer 和 CNN）的准确度的前提上大幅 提升其训练速度。 为何只发了博客，而不是发表一篇正式的 arXiv 论文，Keller Jordan 这样解释：能否发表一篇关于新优化器的论文，且包含大量看起来不错的结果，和这个优化器 是否真的有效之间没有任何联系。「我只相信速通。」 一直以来 ...

机器之心报道 编辑：杜伟 今天，一位研究者加入 OpenAI 的消息吸引了很多人的关注。 这位研究者名为 James Campbell，他才于 2024 年攻读 CMU 的计算机科学博士学位。现在，他突然宣布要 放弃博士学业，加入 OpenAI。 在社媒 X 上，他表示自己在 OpenAI 的 研究重心是「AGI 和 ChatGPT 的记忆 + 人格」，记忆将从根本改 变人类与机器智能的关系 。他将努力工作，确保正确地实现这一切。 他的加入连 OpenAI 联合创始人、总裁 Greg Brockman 都表达了欢迎。 那么，这位老兄是何方神圣呢？他的加入为什么引起了这么多的关注？我们来看一下他的履历。 他本科毕业于康奈尔大学，专业是数学与计算机科学。本科期间，他致力于 LLM 可解释性和真实性的研 究，还是两篇论文《Representation Engineering》和《Localizing Lying in Llama》的主要作者。 前一篇论文研究了表示工程：一种自上而下的 AI 透明性方法，后者研究了在 Llama 中定位谎言：通过提 示、探查和修补来理解判断题上的不诚实指令。 他还在 Gray Swa ...

真正的智能在于理解任务的模糊与复杂，Context Scaling 是通向 AGI 的关键一步。 2024 年底，Ilya Sutskever 断言「我们所知的预训练时代即将终结」，让整个人工智能领域陷入对 Scaling What 的集体追问之中。 新的思路不断涌现：推理时扩展（Test-Time Scaling）让 OpenAI 的 o 系列在数学推理上大放异彩， DeepSeek-R1 通过 GRPO 替代 PPO 实现了强化学习的突破，强化学习 Self-play + LLM 让 AI 在游戏和代码 生成中展现惊人能力，Agent 化路径则催生了能够操作浏览器、调用工具的新一代智能助理…… 每一条路 都在探寻可能的下一个跃迁。 在这场技术探讨中，复旦大学 / 上海创智学院的邱锡鹏教授提出了一个耐人寻味的新路径 ——Context Scaling。与参数规模、数据量、推理计算等扩展路径不同，Context Scaling 的核心，不在于更大，而在于更 「深」：如何让 AI 真正理解并适应复杂、多变、模糊的情境（Context）。 在与机器之心的最新一次对谈中，邱锡鹏教授系统阐述了他对 AI 发展的洞察： ...