点击下方 卡片 ，关注" 大模型之心Tech "公众号 戳我 -> 领取大模型巨卷干货 今天 大模型之心Tech 为大家分享一篇大模型相关论文。本文 深入 探讨了 多模态推理模型中推理能力与幻觉之间的平衡 问题 。如果您有相 关工作需要分享，请在文末联系我们！ 本文只做学术分享，如有侵权，联系删文 论文作者：Chengzhi Liu等 作者单位：加州大学、斯坦福大学 项目主页：https://mlrm-halu.github.io/ 解决方案： 不如设计一个能跟踪推理长度变化的指标吧！ 于是， RH-AUC 诞生了——它就像一个"动态平衡仪"，能画出"推理长度vs.感知准确率"的曲线，算出曲 线下面积（AUC），数值越高，说明模型在不同推理长度下越能"稳得住视觉基本盘"。 前言 自从以 DeepSeek-R1 为代表的 推理LLM 进入研究者广泛讨论范围后， 多模态推理模型 也在推理LLM的基础上，数月内掀起了狂热浪潮，各种工作层出不穷 （PS：这里可查看我们社区为大家汇总的多模态推理模型相关工作 这里查看「多模态推理模型」热门工作汇总(上)～ ； 盘一盘「多模态推理模型」近期热门工作 (下)～ ）。 今天就 ...

战略分析：AMD对AI加速器市场的再冲击及其对全球与中国⽣态 系统的影响 第⼀部分：执⾏摘要：AMD的战时姿态与全新竞争格局 本报告旨在对AMD公司最新的"Advancing AI"发布会进⾏深度战略剖析，评估其在⼈⼯智 能加速器市场的最新产品、技术路线图及市场策略，并将其置于与⾏业领导者NVIDIA及 中国市场关键参与者华为的竞争格局中进⾏审视。AMD已从⼀个遥远的追赶者，转变为 ⼀个虽仍⾯临挑战但已具备可信竞争⼒的参与者。其战略核⼼体现了⾼度的务实主义，聚 焦于总体拥有成本（TCO）优势，并敏锐地捕捉因NVIDIA市场主导地位⽽产⽣的机会窗 ⼝。然⽽，软件⽣态系统的护城河依然是NVIDIA最坚固的防线 1。 核⼼观点：AMD的⾮对称战争策略 NVIDIA的竞争优势建⽴在绝对性能、深度垂直整合以及⼀个锁定⽤户的软件⽣态系统（ CUDA）之上。AMD清醒地认识到，在这些领域同时进⾏对称的正⾯交锋难以取胜。因此 ，AMD采取了⼀种⾮对称的战争策略： 这⼀战略意味着，衡量AMD成功的标准不应是其是否在每⼀项基准测试中都"击败" 1. 攻击成本，⽽⾮仅仅是性能：全⾯的TCO分析显示，AMD正将⾃⼰定位为"⾜够好" ...

我们每天都在解决复杂问题，只是自己没太察觉。比如去买杯咖啡，看似轻而易举，实际上背后牵 涉一系列步骤：出门、走路、点单、付款…… 这就像要同时在脑中演练4种可能走法，好比同时参与4场对话，没人能撑得住。但正因为没人能完 美答对，科学家才能看清，他们到底是怎么一步步做决定的。换句话说，正是因为任务"超纲"，才逼得 人们不得不见招拆招、灵活应对。科学家正是通过这种游戏，观察人脑是如何做出"还不错"的解答。 一旦中途遇到状况，比如电梯坏了、门店关了，大脑迅速调整策略，以保障你能喝上咖啡。 这是人类大脑的拿手好戏：把大问题拆成小任务，再逐个攻克。 但科学家一直想知道，大脑是如何做到临场应变的？这些策略怎么运作，至今仍是谜。 为了解开这一谜题，美国麻省理工学院科学家设计了一个实验。他们请来约150位志愿者，请他们 判断，一个看不见的小球，在一个迷宫中穿行，究竟走的是哪条路。小球每经过迷宫中的关键节点，就 会发出一声"叮"，整个迷宫有4条可能路径，参与者要凭提示音的时间间隔来做出判断。 听起来像是在玩声音版走迷宫游戏，但其实这任务难得离谱。 实验开始后，每当听到两个提示音，参与者就要猜测小球走的是哪条路。与此同时，科学家 ...

中信集团副总经理鲍建敏：人工智能推动提升现代金融服务效能 金十数据6月19日讯，中国中信集团有限公司副总经理鲍建敏在2025陆家嘴论坛上表示，现代金融行业 第一大趋势是推理大模型提升金融服务效能。大模型技术通过强大的自然语言处理和逻辑推理能力，有 效运用金融行业海量的非结构化数据，挖掘其中的隐性观点，并实时动态生成决策，从而重塑服务体 验。鲍建敏建议，共建人工智能的基础设施，夯实金融AI的发展根基；共筑安全可信的发展环境，护 航AI行稳致远；共创开放协同的创新生态，激发金融AI的澎湃活力。 （上证报） ...

21世纪经济报道记者王峰 北京报道 AI报志愿究竟靠不靠谱？ 高考志愿填报在即，"天价报志愿"服务再次受到欢迎。据报道，网红张雪峰旗下机构两款12999元和 18999元的志愿服务产品早早售罄。 "天价报志愿"服务只能满足极少数考生的需求，在提供普惠性、基础性志愿服务方面，AI曾被寄予厚 望，但此类产品面世几年来，要么错误较多，不同产品推荐结果相互打架，要么只能作为参考，考生依 然需要志愿规划师的指导。 2025年或将有所改变。深度思考技术推动大模型辅助志愿填报又进了一步，不仅所推荐的志愿准确率更 高，而且高考志愿大模型有了AI Agent的雏形，搭建了类似真人志愿规划师的工作流，强化了志愿填报 的规划性。 普惠的AI技术越发展，高考志愿服务市场就越理性，高考考生越能远离"天价报志愿"。 不过，AI高考志愿还无法完全取代真人志愿规划服务，推动高考志愿填报服务的普及、普惠，需要加 大公共服务力度。 AI高考志愿进阶之路 大模型如何改变AI高考志愿产品？ 2024年以前，市场上的AI高考志愿产品还不是大模型技术，而是基于数据库筛选的大数据技术。 考生输入自己的地区、选科、分数、排名信息，以及意向高校和专业的所在地 ...

关于人工智能推理和思路链忠实度的十大技术常见问题 1. 为什么推理模型在较难的任务上表现出较低的思路链忠诚度，这揭示了人工智能推理的本质？ 研究表明，从MMLU任务转向GPQA任务时，Claude 3.7 Sonnet的忠实度相对下降了44%，DeepSeek R1的忠实度则下降了32%。这是因为忠实的CoT通常 遵循一种模式：模型首先独立推导答案，然后明确地与提示进行比较并承认差异。在更困难的任务中，模型缺乏足够的先验知识来执行这种独立推导，迫 使它们更多地依赖提示，而无法将这种依赖性用语言表达出来。这表明，推理透明度从根本上受到模型对其知识库的置信度的限制，这表明当前的推理模 型可能比其表面性能所显示的更加脆弱。 含义： 这一发现对高级人工智能系统的 CoT 监控的可扩展性提出了挑战，因为我们最需要透明度的任务（新颖、困难的问题）恰恰是模型最不透明的地 方。 2. "突现能力幻象"假说如何与真正的电路级规划和多步推理证据相协调？ 当我们区分测量伪影和机制证据时，这种表面上的矛盾就消失了。Schaeffer 等人证明，不连续的度量（例如精确的字符串匹配）可以从平滑的底层改进 中产生明显的涌现。然而，Anth ...

近年来，LLMs（如 GPT-4、Claude、Gemini 等）在代码生成领域取得了显著进展。它们不仅在经典编程基准（如 HumanEval）中表现出色，甚至在某些测试中超 越了人类平均水平。这促使许多研究者开始宣称：LLM 已经胜过人类程序员，尤其是在竞赛编程领域。 更进一步的，在结合了外部工具之后，一些模型（如 o3 和 o4-mini-high）甚至在 Codeforces 平台上获得了超过 2700 的 Elo 评分 —— 这个分数已跻身参赛者前 0.1%。 然而，这些简单的量化评估，真的能体现模型解决复杂问题的能力吗？我们不妨先问几个问题：LLMs 真的具备与顶级人类选手相当的推理能力吗？模型的高分究 竟有多少来自真实的推理能力，又有多少是依赖外部工具的结果？ 为了解答上述问题，来自纽约大学、普林斯顿大学等 8 家机构的研究者提出了 LiveCodeBench Pro ，这是一个极具挑战性的竞技编程基准测试。 值得一提的是，这项研究有多位参加过国际算法竞赛。例如，作者之一、纽约大学本科生 Zihan Zheng 曾代表学校参加 ICPC 世界总决赛。 LiveCodeBench Pro 收录了 5 ...

机器之心报道 自变量机器人 自变量机器人 主张，必须放弃以"多模态模块融合"为核心的拼凑式范式，转向一个端到端的统一架构。该 架构旨在彻底消解视觉、语言和行动之间的人为边界，将它们还原为单一信息流进行处理。 当前范式的根本局限 现有主流方法将不同模态视为独立模块，如预训练的 ViT 处理视觉信息，LLM 处理语言理解，然后通过融 合层进行连接。这种"委员会"式的设计存在着本质缺陷。 首先是 表 征瓶颈问题 。信息在不同模态的专属编码器之间传递时，会产生不可避免的压缩损失，就像将一 幅油画描述给盲人，再让盲人向聋人传达画面内容一样，每次转换都会丢失关键的细节和关联。 这种损失 阻碍了模型对物理世界进行深层次的跨模态理解。 最关键的是 无法涌现的问题 。结构上的割裂使得模型难以学习到物理世界中跨越模态的、直觉式的因果规 律。就像一个人无法仅通过阅读教科书就学会骑自行车一样， 真正的物理智能需要的是整体性的、具身的 理解 ，而不是模块化的知识拼接。 当 AI 放下海德格尔的锤子时，意味着机器人已经能够熟练使用工具，工具会"隐退"成为 本体的延伸，而不再是需要刻意思考的对象。 当一位熟练的木匠抓起锤子时，锤子消失了 ...

6月26日， 2025中国AI算力大会 将在北京中关村东升科技园万丽酒店正式举行！ 作为智一科技旗下 智猩猩 与 智东西 共同发起主办、 芯东西 协办的首届AI算力大会，本次大会计划邀请近 30位重量级嘉宾与会带来致辞、报告、演讲和对话，全方位解构DeepSeek引爆的AI算力变局。同时，大会 也是"智领未来"北京人工智能系列活动之一。 2025中国AI算力大会设有主会场、分会场和展览区。其中，主会场将进行 高峰论坛、AI推理算力专题论坛 和智算中心专题论坛 ，分 会场全天将分别进行 智算集群异构混训技术研讨会、超节点技术研讨会 。其 中，分会场的两场研讨会为闭门制，主要面向持有闭门专享票、贵宾通票的观众开放。 | | | 2025中国AI算力大会 | | | --- | --- | --- | --- | | | | 主办： 智智强 普東西 | | | | | 大会日程 | | | 日期 | 时段 | 主会场 | 分会场 | | 6月26日 | 上午 | 高峰论坛 | 智算集群异构混训 技术研讨会 (闭门制) | | | 下午 | Al推理算力专题论坛 | 超节点技术研讨会 (闭门制) | | | | 智算 ...

上海AI独角兽MiniMax正式开源推理模型MiniMax-M1（以下简称"M1"）。MiniMax称，这是全球首个 开放权重的大规模混合注意力推理模型。凭借混合门控专家架构（Mixture-of-Experts，MoE）与 Lightning Attention 的结合，M1在性能表现和推理效率方面实现了显著突破。实测数据显示，M1系列在 长上下文理解、代码生成等生产力场景中超越多数闭源模型，仅微弱差距落后于顶尖闭源系统。 ...