reasoning-benchmarks

Sapient Intelligence发布了HRM-Text，一个1B参数的文本生成模型，仅用0.04万亿token训练（成本约1000美元），在多个推理基准上超越训练数据多100-1000倍的更大模型，标志着AI训练新范式的开始。

这条推文介绍了Fast-Slow Training (FST)，一种新的持续学习方法，将模型参数视为慢权重，优化上下文视为快权重，据称在数学、代码和通用推理基准测试上全面优于仅权重训练。

AEvo 是一个元编辑框架，通过将提议和评估分为两个角色，并利用累积的记忆指导未来搜索，改进了迭代式智能体搜索。它在开放式优化任务上相比基线实现了26%的相对提升，并取得了最先进的结果。

本文介绍了 LogiHard，这是一个利用组合硬化来暴露前沿大语言模型组合性缺陷的框架，展示了模型在逻辑推理任务中准确率的显著下降。