ai-reasoning

本文提出了一种全流程方案，用于向思维模型教授工具推理，该方法应用于 Qwen3 模型时，在 AIME 2025 等基准测试上实现了最先进的性能。

文章认为，高效的AI智能体需要克制和明确的“停止条件”，而非无限的自主性，并指出Ling-2.6-1T是一个适合保守规划角色的模型。

MIT CSAIL 研究人员提出 RLCR 方法，在强化学习中引入布雷尔分数（Brier scores），训练 AI 模型输出经过校准的置信度估计，在显著降低过度自信的同时，不牺牲准确率。

OpenAI 为 First Proof 挑战提交了证明尝试，该挑战是一项研究级别的数学竞赛，旨在测试 AI 是否能生成正确且可验证的证明。OpenAI 的内部模型成功解决了至少五个问题（共十个），展示了其在持续推理和严谨数学思维方面的显著进展。

Gemini 2.5 Deep Think 在 2025 年国际大学生编程竞赛世界总决赛中取得金牌级别成绩，在五小时的竞赛中解决了 12 个问题中的 10 个，展示了抽象推理和问题解决能力的显著进步。

Google 正在为 Gemini 应用中的 Google AI Ultra 订阅者推出 Deep Think，这是一项新的推理能力，采用并行思维技术，在 2025 IMO 基准测试中达到铜牌级性能。完整的金牌级版本正与精选数学家分享用于研究目的。