AI 为何突然擅长数学证明：从提示序列与分支因子看模型解题方式
作者分析 OpenAI 与 Anthropic 今年接连给出数学问题证明的原因，认为模型以深度优先方式把每条可行路径推到终点，再用验证器筛掉错误分支。文中用提示序列长度 k 与分支因子 b 解释模型擅长解空间窄的问题，并指出人类直觉在搜索树深且分支多的问题上仍有优势。
推荐理由：文章用提示序列长度和分支因子解释模型为何擅长数学证明，并指出人类直觉仍占优的问题类型。
技术方向
推理能力 最新动态
让大模型先想再答的能力：思维链、推理模型，数学与逻辑评测上的突破和争议。
7 条精选近 30 天 6 条共收录 16 条
更新
推理能力的精选
Latent Space精选AI 评分7878
Microsoft Research精选AI 评分7474 微软研究院等证明31年悬而未决的KLS猜想
微软研究院的Xinzhi Zhang与合著者Zhao Song证明了1995年提出的KLS猜想，确认对一大类高维概率分布，最佳平面切割与任意形状最佳切割的效果差距不超过一个与维度无关的固定常数。研究采用人类主导的智能体流程，AI系统探索了100多条候选路径，由研究者评估、剪枝并调整方向，最终借助递归细化方法消除了对维度的依赖。同期另有独立团队给出完整证明，随后还发布了Lean 4形式化验证。
推荐理由：这篇论文证明了一个悬置31年的高维几何猜想，并展示了研究者如何引导AI智能体筛选上百条研究路径。
Microsoft Research精选AI 评分6969 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的程序执行过程，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在通用性、速度与密码学假设三方面同时推进。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方给出 Argon 在 ERQA 的得分与四类机器人工作流示例，可据此判断物理推理模型在机器人栈中的用法。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和数字，可据此判断前沿模型在长程任务中的实际边界。
Mistral AI精选AI 评分8383 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底开放。
推荐理由：官方给出 1 万亿参数、520 亿激活的规格与多项基准，并说明权重月底开放，可据此判断开源权重模型的当前水位。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 团队把 K-Search 内核搜索框架扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：原文给出注意力与 Mamba 两个内核的实测数据，并拆出翻译层对性能提升的贡献，便于判断跨平台内核迁移的可行边界。