标签
本文引入了行为提升度量,用于衡量AI思维模型中推理行为与正确答案的相关性,揭示了一个放大-提升差距,其中训练放大了并非最能预测成功的行为。
讨论latent reasoning作为研究方向的价值,并质疑OpenAI o1模型宣称的thinking过程是否真实或只是对外宣传,认为模型可能尚未达到上限。
Google 宣布 Gemini 2.5 Pro 和 Flash 模型的稳定正式发布,推出新的 Gemini 2.5 Flash-Lite 预览版,具有更低的延迟和成本,并更新 Flash 系列的定价,调整输入/输出令牌费率。