こんにちは，你好。 Anthropic 最近推出的 Claude Sonnet 4.5 和 Claude Haiku 4.5（现已在 Amazon Bedrock 上提供）标志着生成式 AI 模型的重大飞跃。这些最先进的模型擅长复杂的代理任务、编码和企业工作负载，为开发人员提供增强的功能。除了新型号之外，我们很高兴地宣布 [...]
推理已成为大型语言模型 (LLM) 的核心范式，不断提高各种基准的准确性。然而，它是否适合精度敏感的任务仍不清楚。我们提出了第一个在严格的低误报率（FPR）制度下分类任务推理的系统研究。我们的分析涵盖两项任务——安全检测和幻觉检测——使用标准法学硕士和大型推理模型（LRM）在微调和零样本设置下进行评估。我们的结果揭示了一个明显的权衡：Think On（推理增强）生成改进......
RL for Reasoning by Adaptively Revealing Rationales
我们提出，来自部分专家演示的强化学习（RL）不仅仅是一种训练启发式方法，而且是解决复杂序列生成任务的一个有前景的框架。监督微调（SFT）依赖于密集的真实标签，随着序列长度的增长，其成本也越来越高。另一方面，强化学习则面临着稀疏奖励和组合大输出空间的问题。我们通过引入自适应回溯（AdaBack）来解决这个问题，这是一种按样本课程学习算法，在训练期间仅显示目标输出的部分前缀。该...
Water Cooler Small Talk, Ep. 9: What “Thinking” and “Reasoning” Really Mean in AI and LLMs
理解人工智能如何模拟“理性”，以及为什么它不是人类在思考时所做的事情The post Water Cooler Small Talk，Ep. 9：人工智能和法学硕士中“思考”和“推理”的真正含义首先出现在《走向数据科学》上。
实体链接 (EL) 传统上依赖于大型注释数据集和广泛的模型微调。虽然最近的小样本方法通过提示来利用大型语言模型 (LLM) 来减少训练要求，但由于昂贵的基于 LLM 的推理，它们常常效率低下。 ARTER（自适应路由和目标实体推理）提出了一种结构化管道，通过策略性地结合候选生成、基于上下文的评分、自适应路由和选择性推理，无需深度微调即可实现高性能。 ARTER 计算一小组...
Inductive Domain Transfer In Misspecified Simulation-Based Inference
基于模拟的推理 (SBI) 是一种统计推理方法，用于在可能性难以处理但可以进行模拟时估计物理系统的潜在参数。在实践中，SBI 经常受到模型错误指定的阻碍——由于固有的建模简化而导致模拟和现实世界观察结果之间的不匹配。 RoPE 是一种最新的 SBI 方法，它通过两阶段域传输过程解决了这一挑战，该过程将半监督校准与基于最佳传输 (OT) 的分布对齐相结合。然而，RoPE 以完全传导的方式运行……
Best Reasoning Model APIs | Compare Cost, Context & Scalability
使用 Clarifai Local Runners 通过公共 API 在本地运行 Hugging Face 模型。在您自己的硬件上构建、测试和扩展 AI 工作负载。
Clarifai 11.9: Introducing Clarifai Reasoning Engine Optimized for Agentic AI Inference
Clarifai 推理引擎、新工具包、Qwen 模型和 GPU 选项，可实现更快、优化的 AI 工作负载。
Analyzing Dialectical Biases in LLMs for Knowledge and Reasoning Benchmarks
大型语言模型 (LLM) 在现代自然语言处理中无处不在。然而，之前的研究表明，代表性不足的英语方言的法学硕士成绩有所下降。我们分析了将“标准”美式英语问题典型化为非“标准”方言变体对多项选择题回答任务的影响，发现准确率降低了 20%。此外，我们还调查了非“标准”英语问题中表现不佳的语法基础。我们发现各个语法规则对性能有不同的影响，但有些更……
Top LLM Inference Providers Compared - GPT-OSS-120B
比较顶级 GPT‑OSS‑120B 推理提供商的吞吐量、延迟和成本。了解 Clarifai、Vertex AI、Azure、AWS 等如何处理推理繁重的工作负载和实际应用程序。
检测大型分布式系统中的异常存在一些挑战。第一个挑战来自需要处理的数据量。在高吞吐量环境中标记异常需要仔细考虑算法和系统设计。第二个挑战来自在生产中利用此类系统的时间序列数据集的异质性。在实践中，异常检测系统很少针对单个用例部署。通常，需要监控多个指标，通常跨多个领域（例如工程、业务和……
Best GPUs for GPT-OSS Models (2025) | Clarifai Reasoning Engine
使用 Agno 和 GPT-OSS-120B 构建 AI 代理，从网络搜索到多代理系统
TASER: Translation Assessment via Systematic Evaluation and Reasoning
我们引入 TASER（通过系统评估和推理进行翻译评估），这是一种使用大型推理模型 (LRM) 进行自动翻译质量评估的指标。 TASER 利用 LRM 的显式推理能力对翻译质量进行系统、逐步的评估。我们在基于参考和无参考场景的 WMT24 指标共享任务上评估 TASER，展示了最先进的性能。在系统级评估中，TASER 在基于参考和无参考的设置中均实现了最高的软成对精度……
Hilbert: Recursively Building Formal Proofs with Informal Reasoning
大型语言模型 (LLM) 展示了令人印象深刻的数学推理能力，但它们的解决方案经常包含无法自动验证的错误。 Lean 4 等形式化定理证明系统提供了完全准确的自动验证，推动了最近努力构建专门的证明者法学硕士，以形式语言生成可验证的证明。然而，仍然存在一个重大差距：当前的证明者法学硕士解决的问题比使用自然语言操作的通用法学硕士要少得多。我们介绍 Hilbert，一个代理框架，它通过以下方式弥合了这一差距
Advanced AI for physical reasoning and action
Google DeepMind 推出了 Gemini Robotics，这是一种人工智能系统，允许机器人“先思考后行动”，规划复杂的任务，甚至在不同类型的机器人之间转移技能。凭借先进的推理、安全功能和跨实体学习，机器人变得真正智能。
Balancing Cost, Power, and AI Performance
下次您使用 ChatGPT 或 Perplexity 等工具时，请停止并计算为满足您的请求而生成的总单词数。每个单词都来自一个称为推理的过程，这是人工智能系统的创收机制，其中生成的每个单词都可以使用基本的金融和经济商业原理进行分析。执行此操作的目标 [...]
Deloitte report says ‘physical AI’ era has begun as intelligent robots reshape industry
德勤发布了一份新报告，认为世界正在进入“物理人工智能”时代——能够在物理世界中感知、推理和行动的智能机器人——并表示这项技术将重塑制造、建筑、物流和其他工业部门。该报告，机器人技术和物理人工智能如何重塑 [...]
