论文链接：https://arxiv.org/abs/2504.19373 案例直击：AI 如何从照片中 "挖" 出你的坐标？ 用户提示词示例： 一作为罗威迪（俄亥俄州立大学本科生，佐治亚大学未来博士生，在 COLM 和 ACL 系列顶级会议中发表多篇文章），以及来自威斯康星大学麦迪逊分校的本科 生张起明和陆天宇。 一张普通的生活照，可能成为 AI 破解你隐私的钥匙 —— 这不是科幻情节，而是最新研究揭示的残酷现实。OpenAI 的多模态大模型 ChatGPT o3，竟能通过照片中 微不可察的线索，将你的住址锁定在 1 英里范围内。 近日，来自威斯康星大学麦迪逊分校教授肖超玮（Chaowei Xiao）主导并联合佐治亚大学教授向臻（Zhen Xiang）, 南加州大学教授赵越（Yue Zhao）团队完成的一 项新研究，揭示了自主多模态大语言推理模型严重的隐私泄露风险 —— 图片地理位置定位。 论文标题：Doxing via the Lens: Revealing Privacy Leakage in Image Geolocation for Agentic Multi-Modal Large Reasoni ...

5月8日，在海淀大恒科技中心的阶跃星辰北京办公地，阶跃星辰创始人、CEO姜大昕身着深色西服、蓝 色衬衫出现在阶跃星辰北京办公地的会议室里。他保持了一贯的风格，如二十一年前在新加坡南洋理工 教书时，像老师一样在屏幕前平静地讲述自己对于多模态模型行业的判断。这里距离姜大昕上一个东家 微软的中国办公地微软大厦仅有504米，在2023年创立阶跃星辰前，姜大昕是微软全球副总裁。 "多模态模型领域目前还没有出现GPT-4时刻。卡点是整个行业缺少多模态领域的理解生成一体化架 构。有了这个架构，才能基于此通过海量的图片视频去做预训练+指令跟随，最终演变为世界模 型。"姜大昕说。 "理解生成一体化架构"不只是姜大昕的技术判断，也正在影响这家公司的走向。 虎嗅独家获悉，近期阶跃星辰内部，进行了算法小组内的微调：原本阶跃星辰内部团队分为生成小组和 理解小组，而这两个小组已经整合为新的"生成理解"团队。 姜大昕向虎嗅表示，这一调整，确实是基于"理解生成一体化架构至关重要"这个判断。 虎嗅获悉，目前阶跃星辰的运转以三个男人为核心： 姜大昕 阶跃星辰创始人、CEO 负责公司整体战略、技术研发 张祥雨 阶跃星辰首席科学家 负责公司技术研发 ...

AI圈子最有意思的事，已经不是"谁家模型参数最多"，而是——谁家小模型，能把大模型打趴下。 最近，微软研究院开源了一款"小而强"的研究：Phi-4-reasoning-plus。这是一款专为深度结构化推理任务设计的开源语言模型。 14B参数，不到DeepSeek 70B的五分之一，但数学、科学、代码、逻辑推理的表现，都比较能打。 在AIME 2025数学考试上，14B的小模型，第一次尝试的全题正确率，居然干过了70B的精炼大块头，甚至快摸到DeepSeek 671B的脚后跟。 微软团队用一串"推理链"打破了常规，让AI学会慢下来、啰嗦一点、反复琢 磨、允许自己犯错，主要体现在： 推理链（Chain-of-Thought）成为核心训练目标 。不是像传统大模型那样直接给出答案，而是专门训练模型写"推理过程"；在训练数据和输出里，强制要 求模型用...标签，把自己的思考、分步推理、反复验证详细写出来。这种推理链往往很"啰嗦"：不是一句话解决问题，而是像人类一样， 细致分解、逐步排查。 鼓励"慢思考"，奖励啰嗦的推理过程。 在RL（强化学习）阶段，奖励机制被专门设计成：答错时鼓励更长推理链，答对时鼓励简洁；只要模型没 ...

FormalMATH团队 投稿 量子位 | 公众号 QbitAI 最强AI模型面对5560道数学难题，成功率仅16.46%？背后真相大揭秘。 香港中文大学、西湖大学、MAP、浙江大学、马克斯·普朗克智能系统研究所等机构联合推出 FormalMATH形式化数学推理基准测试 ，含 5560道经过严格验证的数学题，覆盖从奥数到大学水平的代数、微积分、数论等领域。 形式化数学推理是人工智能领域公认的核心难题之一。 尽管大语言模型（LLM）在自然语言处理和代码生成等领域取得显著进展，但面对需要严格逻辑推导的数学定理证明任务时，其能力仍面临严 峻挑战。 FormalMATH：「超大规模」的形式化数学推理基准 规模突破：22.8倍于现有基准 FormalMATH包含5560个经过Lean4编译器验证的数学命题，涵盖代数、数论、微积分、离散数学等12个子领域，问题难度从国际数学奥林 匹克（IMO）竞赛级延伸至本科课程，规模是经典基准MiniF2F的22.8倍。 构建创新：人类在循环中的自动化流程用于自动形式化和语义一致性检测 为解决传统形式化数据依赖专家手动标注的瓶颈，研究团队提出了一套 「三阶段过滤」 框架： 现有LLM证 ...

当前大模型研究正逐步从依赖扩展定律（Scaling Law）的预训练，转向聚焦推理能力的后训练。鉴于符号逻辑推理的有效性与普遍性， 提升大模型的逻辑推理能 力 成为解决幻觉问题的关键途径。 为推进大语言模型的逻辑推理能力研究，来自 北大、清华、阿姆斯特丹大学（UvA）、卡内基梅隆大学（CMU）、MBZUAI 等 5 所高校 的研究人员全面调研了 该领域最前沿的研究方法和评测基准，联合发布了调研综述《Empowering LLMs with Logical Reasoning: A Comprehensive Survey》，针对两个关键科学问题 —— 逻辑问答和逻辑一致性 ，对现有方法进行归纳整理并探讨了未来研究方向。 该综述论文已被 IJCAI 2025 Survey Track 接收，并且作者团队将于 IJCAI 2025 现场围绕同一主题进行 Tutorial 演讲，全面探讨该研究领域的挑战、方法与机遇。 论文标题：Empowering LLMs with Logical Reasoning: A Comprehensive Survey 论文链接：https://arxiv.org/abs/2502. ...

• Agent 与 Chatbot 不同，Agent 任务复杂度高，交互量大，所需 TOKEN 量远高于 Chatbot，对存储和内存要求更高，影响因素包括任务复杂度、 多模态处理、用户量等。 • 优化模型访问和推理方法包括使用低精度计算、模型蒸馏，以及硬件优化 如 KV 缓存优化，Salesforce 等公司 Agent 产品通常采用百亿参数规模模 型。 展。 综上所述，AI Agent 对算力的需求不仅包括新应用开发，还包括大量老 业务改造，这部分需求容易被忽略但实际非常重要。 如何拆解训练与推理环节中的具体算力需求？ AI Agent：算力需求空间？20250505 摘要 • AI 应用逐渐渗透，算力推理需求快速增长，大厂改造现有业务而非开发全 新 APP，导致被忽略的算力需求非常重要，微软、谷歌等公司推理需求占 比可能达 60%-70%。 • 训练环节市场预期悲观，但实际情况可能更好，预训练边际效应减缓，后 训练增速不明显，细分领域仍有增长潜力，需关注 AI Agent 等潜在领域 价值。 • 算力产业链边际走弱，英伟达股价未创新高，市场对整体算力需求预期悲 观，但 AI 应用领域表现强劲，如 Pal ...

证 券 研 究 报 告 计算机行业重大事项点评 DeepSeek-Prover-V2 发布，专注数学推理 事项： 4 月 30 日，DeepSeek 在 Hugging Face 发布了 DeepSeek-Prover-V2-671B 新模 型和 DeepSeek-Prover-V2-7B 增强模型，以及 DeepSeek-ProverBench 数据集， 随后在 GitHub 等平台上公布了论文信息。 评论： 行业研究 计算机 2025 年 05 月 04 日 推荐（维持） 华创证券研究所 证券分析师：吴鸣远 邮箱：wumingyuan@hcyjs.com 执业编号：S0360523040001 证券分析师：祝小茜 邮箱：zhuxiaoqian@hcyjs.com 执业编号：S0360524070011 行业基本数据 | | | 占比% | | --- | --- | --- | | 股票家数(只) | 336 | 0.04 | | 总市值(亿元) | 42,657.40 | 4.41 | | 流通市值(亿元) | 36,398.85 | 4.74 | 相对指数表现 | % | 1M | 6M | 12M ...

4 月 30 日，DeepSeek在 AI 开源社区 Hugging Face 上，发布名为 DeepSeek-Prover-V2-671B 的新模 型。 这是一款专注于形式化数学推理的开源大型语言模型。 数学推理长期以来被视为AI的"终极挑战"之一。形式化数学不仅是AI的"智力试金石"，更是打开高价值商业场 景的钥匙。DeepSeek-Prover系列模型通过结合LLM的泛化能力与形式化工具（如Lean），首次实现了从自 然语言描述到机器可验证证明的大规模端到端转化。这一突破不仅可能将数学研究效率提升数倍，更将为AI在 金融建模、芯片验证、密码学等依赖数学严谨性的领域打开新可能性。 5月9日，DeepSeek前成员辛华剑，也将参加剑桥大学中国人工智能协会、锦秋基金、清华大学学生通用人工 智能协会、清华大学学生创业协会合作的"大模型开发者与AI基金合伙人的跨洋对谈活动"。他将进行《大语言 模型时代的形式化数学革命》的主题分享。 辛华剑现在是爱丁堡大学人工智能博士生、字节跳动研究实习生，专注于大语言模型在数学定理证明中的创新 应用。他在DeepSeek实习期间主导开发了专注于数学证明DeepSeek-Prove ...

选自 Ahead of AI 作者：Sebastian Raschka 机器之心编译 推理模型发展正盛，著名 AI 技术博主 Sebastian Raschka 也正在写一本关于推理模型工作方式的新书《 Reasoning From Scratch 》。在此之前，他已经出版了多本 AI 领域的著名书籍，包括《Build a Large Language Model (From Scratch)》、《Machine Learning Q and AI》、《Machine Learning with PyTorch and Scikit-Learn》。 近日，他在自己的博客上放出了这本书的第一章，为 LLM 领域的推理进行了入门级的介绍，同时还概述了推断时间扩展和强化学习等技术方法。 机器之心编译了这本书的第一章，以飨读者。 原文地址：https://magazine.sebastianraschka.com/p/first-look-at-reasoning-from-scratch （注：为了行文清晰，本文会将 inference 译为「推断」，将 reasoning 译为「推理」；其中 inference ...

Core Insights - Alibaba has officially launched the Qwen3 model, marking a significant breakthrough in the field of artificial intelligence, which has generated considerable excitement in the global tech community [3] - Qwen3 is noted for its exceptional efficiency and significantly reduced costs, being one-third the size of comparable models while outperforming top global models [3][20] - The model integrates "fast thinking" and "slow thinking" capabilities, allowing it to respond quickly to simple queries while engaging in deeper reasoning for complex problems, thus optimizing computational resource usage [3][21] Model Features - Qwen3 features a unique hybrid reasoning capability that allows it to switch between thinking and non-thinking modes to meet various scenario demands [20] - The model has shown significant improvements in reasoning abilities across mathematics, code generation, and common-sense logic, enhancing user interaction experiences [20] - Qwen3 supports 119 languages and dialects, greatly expanding its application range and accessibility for global developers and enterprises [20][38] Performance Metrics - In the AIME25 assessment, Qwen3 achieved a score of 81.5, setting a new record for open-source models [20] - The model surpassed 70 points in the LiveCodeBench evaluation, outperforming Grok3, and achieved a score of 95.6 in the ArenaHard assessment, exceeding OpenAI-o1 and DeepSeek-R1 [20][27] - Qwen3's performance is further highlighted by its ability to achieve high scores in various assessments, demonstrating its competitive edge in the AI landscape [27] Deployment and Adaptation - Following the open-source release of Qwen3, major chip manufacturers like NVIDIA, MediaTek, and AMD have successfully adapted the model for their systems [28][32] - Huawei announced support for the full series of Qwen3 models, enabling developers to utilize the model seamlessly in their applications [28][31] - The deployment cost has been significantly lowered, with only four H20 GPUs required to deploy the flagship version of Qwen3, making it more accessible for businesses [24] Model Variants - Qwen3 includes eight open-source models, featuring two MoE models (30B and 235B) and six dense models with varying parameter sizes, optimized for different application scenarios [24][25] - The 30B MoE model offers over ten times the performance leverage, while the dense models achieve high performance with reduced parameter counts [24][25] - Each model variant is tailored for specific use cases, from mobile applications to enterprise-level deployments, enhancing the versatility of Qwen3 [25] Open Source and Community Impact - Qwen3 is released under the Apache 2.0 license, allowing global developers and research institutions to freely download and commercialize the models [33] - The model's open-source nature is expected to accelerate the adoption of advanced AI technologies across various sectors, particularly in mobile, smart devices, and robotics [25][33] - The extensive language support and the ability to cater to diverse regional needs position Qwen3 as a leading choice for AI applications worldwide [36][38]