arxiv Moonshot AI (arXiv) · hace 838 d

Comprensión profunda de los problemas: el método alcanza 97,1% en GSM8K

Traducido del English → Español

Los investigadores proponen DUP (Deeply Understanding the Problems), un método diseñado para mejorar la capacidad de los Modelos de Lenguaje Grande para resolver problemas matemáticos abordando errores de malentendido semántico que a menudo limitan el razonamiento Chain-of-Thought.

DUP anima a los modelos a comprender profundamente los problemas y extraer información clave para un mejor razonamiento.
El método supera consistentemente a sus contrapartes en 10 benchmarks diversos de razonamiento.
DUP alcanza una nueva precisión de estado del arte del 97,1% en el benchmark GSM8K en un entorno zero-shot.

Este enfoque aborda un factor importante que limita el rendimiento del razonamiento de los LLM al centrarse en la comprensión semántica en lugar de solo cálculos o errores por pasos omitidos.

Importancia 1/3 Moonshot AI (arXiv) Reasoning models Research paper

Benchmarks

Benchmark	Modelo	Puntuación
GSM8K	DUP method	97.1%

Leer original

Astra de OpenAI resuelve 10 grandes problemas abiertos de matemáticas

OpenAI ha publicado los resultados de su modelo interno no lanzado, Astra, que resolvió con éxito diez problemas importantes y abiertos en matemáticas. Las soluciones fueron generadas por el modelo y posteriormente formalizadas en certificados Lean por investigadores humanos.

blog Simon Willison · hace 8 d · 12 vistas

El modelo Astra de OpenAI resuelve diez problemas matemáticos de larga data usando GPT-5.6 Sol

OpenAI ha publicado soluciones a diez problemas de matemáticas y ciencias de la computación teórica que no habían visto progreso en sus resultados principales durante al menos una década, utilizando una versión interna de su próximo modelo principal, Astra.

arxiv arXiv cs.AI · hace 17 d · 1 vista

PoTRE presenta un marco de agentes múltiples heterogéneo para el razonamiento en tiempo de prueba

Los autores presentan PoTRE (Poly-Topological Reasoning Ensembles), un marco diseñado para abordar las limitaciones del prompting estándar de flujo único en tareas de razonamiento complejas. PoTRE desacopla la inferencia en cuatro agentes distintos: un Agente de Refinamiento Adversarial, un Agente de Planificación Estratégica Jerárquica, un Agente de Búsqueda Espectral y un Agente de Cadena Directa.

arxiv arXiv cs.AI · hace 24 d

La interacción profunda permite la corrección precisa de errores de razonamiento de LLM por humanos

Los autores proponen Deep Interaction, un método eficiente de interacción humano-IA diseñado para corregir errores de razonamiento en modelos de lenguaje grandes sin requerir la regeneración completa de la respuesta. Este mecanismo permite a los usuarios editar directamente la respuesta original de Chain-of-Thought, preservando los pasos correctos mientras se corrigen los errores.

arxiv arXiv cs.CL · hace 25 d

Ring-Zero escala el RL cero a 1T parámetros para razonamiento emergente

Los investigadores presentan Ring-Zero, una canalización de entrenamiento estable que escala el aprendizaje por refuerzo con recompensas verificables a modelos con un billón de parámetros, abordando problemas como la redundancia de tokens y la mala legibilidad encontrados en el escalado ingenuo.