मेटा ने घोषणा की कि इसका म्यूज़ स्पार्क 1.2 मॉडल पांच STEM ओलंपियाड में गोल्ड मेडल प्रदर्शन हासिल करने में सफल रहा और Vals इंडेक्स पर $0.69/टेस्ट की लागत के साथ शीर्ष 5 में शामिल हुआ, जो किमी से लगभग 3 गुना सस्ता है। मेटा ने इन सुधारों का कारण समानांतर तर्क के साथ बहु-एजेंट ऑर्केस्ट्रेशन को बताया, जिसमें APhO और IPhO में बाहरी उपकरणों के बिना सिद्धांत में पूर्ण स्कोर प्राप्त किए गए।
OpenAI ने अपने अनाधिकृत आंतरिक मॉडल, Astra से परिणाम जारी किए हैं, जिसने गणित में दस महत्वपूर्ण खुली समस्याओं को सफलतापूर्वक हल किया। समाधान मॉडल द्वारा उत्पन्न किए गए और बाद में मानव शोधकर्ताओं द्वारा Lean प्रमाण पत्रों में औपचारिक रूप दिया गया।
AI9Stars ने G9v3-39A5B जारी किया है, जो एक ओपन वेट्स भाषा मॉडल है जिसे इसके पूर्ववर्ती ai9stars/G9v3-3B की तुलना में मजबूत तर्क क्षमताएं प्रदान करने के लिए डिज़ाइन किया गया है। मॉडल में 39 अरब पैरामीटर और 5 सक्रिय विशेषज्ञ हैं और यह व्यक्तिगत और व्यावसायिक उपयोग के लिए Apache 2.0 के तहत लाइसेंस प्राप्त है।
जोसेफ जेएम वॉकर द्वारा एक कार्यकारी पेपर में भौतिक उपन्यास "I Wrote a Book and Made a Million Dollars (I.B. Wryten)" में एम्बेडेड अदृश्य मल्टी-चैनल साहित्यिक क्रिप्टोग्राफी बेंचमार्क पर फ्रंटियर लैंग्वेज मॉडल्स का आकलन किया गया है। अध्ययन से पता चला कि GPT-5.6 ने सहायक संचार चैनल को स्वतंत्र रूप से पहचान लिया और अपने पहले पास में एम्बेडेड सामग्री का लगभग 95% हिस्सा पुनर्प्राप्त किया, जबकि पूर्व मॉडल्स में प्रभावी रूप से 0% क्षमता दिखाई दी।
OpenAI ने दस गणितीय और सैद्धांतिक कंप्यूटर विज्ञान समस्याओं के समाधान जारी किए हैं, जिनके मुख्य परिणामों पर कम से कम एक दशक से कोई प्रगति नहीं हुई थी, अपने अगले प्रमुख मॉडल Astra के आंतरिक संस्करण का उपयोग करके।
एक अध्ययन दिखाता है कि फ्रंटियर भाषा मॉडल अर्थहीन फिलर टोकन्स का उपयोग करके महत्वपूर्ण गणना कर सकते हैं, जिससे एक विफलता मोड उत्पन्न होता है जहाँ तर्क आउटपुट चेन-ऑफ़-थॉट में दिखाई नहीं देता। शोध ने तीन कार्यों पर 13 मॉडल का मूल्यांकन किया और पाया कि कई मॉडल इन टोकन्स से काफी लाभान्वित होते हैं, जिससे सटीकता में 13 प्रतिशत अंक तक की वृद्धि हुई।
लेखकों ने PoTRE (Poly-Topological Reasoning Ensembles) का परिचय दिया है, जो एक ऐसा ढांचा है जो जटिल तर्क कार्यों में मानक सिंगल-स्ट्रीम प्रॉम्प्टिंग की सीमाओं को दूर करने के लिए डिज़ाइन किया गया है। PoTRE निष्पादन को चार अलग-अलग एजेंट्स में विभाजित करता है: एक Adversarial Refinement Agent, एक Hierarchical strategic Planning Agent, एक Spectrum Search Agent, और एक Direct Chain Agent.
शोधकर्ताओं ने Isospectral Optimization (ISO) का प्रस्ताव रखा है, जो सत्यापित पुरस्कारों के साथ पुनर्बल सीखने (RLVR) के लिए एक फ्रेमवर्क है जो मॉडल वजन स्पेक्ट्रा को स्थिर रखते हुए इनपुट और आउटपुट सिंगुलर फ्रेम को ऑप्टिमाइज़ करके अनुपस्थित ऑप्टिमाइज़ेशन परत को संबोधित करता है।
एक डेवलपर ने पिछले आठ महीनों में विकसित की गई एक संवादात्मक प्रतीकात्मक AI आर्किटेक्चर पर प्रगति साझा की है, जिसका उद्देश्य गैर-तंत्रिका जानकारी निष्कर्षण में अंतराल को दूर करना है।
अध्ययन GSM-Plus-BN का परिचय देता है, एक नया विक्षोभित बंगाली गणितीय डेटासेट जो अंग्रेजी GSM-Plus मानचित्रण से व्युत्पन्न है और मानव अनुवादकों द्वारा सत्यापित किया गया है। यह संसाधन बांग्लादेश जैसे भाषाई रूप से विविध क्षेत्रों में मॉडल की दृढ़ता का आकलन करने के लिए व्यवस्थित मानचित्रण की कमी को पूरा करता है।
लेखकों ने Deep Interaction प्रस्तावित किया, जो एक कुशल मानव-AI इंटरैक्शन विधि है जिसे पूर्ण प्रतिक्रिया पुनर्जनन की आवश्यकता के बिना बड़े भाषा मॉडलों में तर्क त्रुटियों को ठीक करने के लिए डिज़ाइन किया गया है। यह तंत्र उपयोगकर्ताओं को मौजूदा Chain-of-Thought प्रतिक्रिया को सीधे संपादित करने की अनुमति देता है, सटीक चरणों को बनाए रखते हुए जबकि गलतियों को ठीक करता है।
Thinking Machines Lab ने Inkling जारी किया है, एक नया मल्टीमोडल मिक्स्चर-ऑफ-एक्सपर्ट्स मॉडल जो टोकन-कुशल रीजनिंग और टेक्स्ट, इमेज और ऑडियो इनपुट की नेटिव समझ के लिए डिज़ाइन किया गया है। Together AI अपने इन्फरेंस प्लेटफ़ॉर्म पर मॉडल को डे-ज़ीरो एक्सेस के साथ उपलब्ध करा रहा है।
शोधकर्ताओं ने Ring-Zero प्रस्तुत किया, एक स्थिर प्रशिक्षण पाइपलाइन जो सत्यापनीय पुरस्कारों के साथ पुनर्बल सीखने को एक ट्रिलियन पैरामीटर वाले मॉडलों तक स्केल करती है, जिसमें नाईव स्केलिंग में पाए गए टोकन अतिरेक और खराब पठनीयता जैसे मुद्दों को संबोधित किया गया है।
शोधकर्ताओं ने बड़े भाषा मॉडलों में पदानुक्रमित तंत्र तर्क का मूल्यांकन करने के लिए एक नया विशाल पैमाने का तर्क डेटासेट और FukuyamaBench बेंचमार्क विकसित किया, जो वर्तमान रासायनिक LLMs में आम भौतिक असंगतियों को दूर करता है।
एक नया सैद्धांतिक ढांचा संदर्भ में n-grams और बहु-छलांग तर्क जैसे संयुक्त कार्यों को एकीकृत करने वाले एक सामान्यीकृत श्रेणी के इनडक्टिव टास्क का अध्ययन करके, ट्रांसफॉर्मर भाषा मॉडल में सनातन तर्कशक्ति क्षमताओं के उभार की व्याख्या करता है।
NVIDIA Nemotron Model Reasoning Challenge ने Kaggle समुदाय को खुले मॉडल, बेंचमार्क और बुनियादी ढांचे की साझा सीमाओं के तहत तर्क सटीकता में सुधार करने वाली तकनीकों का पता लगाने के लिए आमंत्रित किया। प्रतियोगिता के समाप्त होने तक, 4,000 टीमों में 5,000 से अधिक सक्रिय प्रतिभागी ने हज़ारों सबमिशन तैयार किए।
शोधकर्ताओं ने TreeThink पेश किया है, जो एक ओपन-सोर्स पायथन लाइब्रेरी है जो न्यू्रल प्रमेय सिद्ध में मॉड्यूलर, पूर्ण रूप से एसींक्रोनस ट्री सर्च के लिए डिज़ाइन की गई है। यह स्थापित सर्च विधियों को vLLM-आधारित इनफरेंस पाइलाइन्स और विविध नोड मूल्यांकन तकनीकों के साथ एकीकृत करती है।
लेखकों ने WILDTRACE पेश किया, एक नया बेंचमार्क जो मॉडलों की लंबे दस्तावेज़ों में दूर-दराज खंडों में बिखरे प्रमाणों को कितनी अच्छी तरह एकीकृत करते हैं, इसका मूल्यांकन करने के लिए डिज़ाइन किया गया है। मौजूदा बेंचमार्क्स के विपरीत जो रोपित तथ्यों या उल्टे-इंजीनियरिंग चेन्स पर निर्भर करते हैं, WILDTRACE 214 प्राकृतिक स्रोतों से व्युत्पन्न 481 कार्यों का उपयोग करता है, जैसे तकनीकी घटना रिपोर्ट और साहित्यिक कथाएँ।
लेख का तर्क है कि भाषा मॉडल निरूपणों में वर्ग-अंदर भिन्नता अधूरी न्यूरल कॉलाप्स नहीं बल्कि एक विशिष्ट नियम द्वारा शासित आवंटित जानकारी संग्रह है। 14 मॉडलों का विश्लेषण दिखाता है कि मैक्रो-श्रेणी संरचना केवल निरूपणात्मक भिन्नता का 4-12% खाता है, जबकि टोकन-अंदर संदर्भ 79-91% ले जाता है, जो 100x पैरामीटर श्रृंखला में स्थिर रहता है।
यह पेपर तर्क देता है कि ओपन-एंडेड नवाचार की क्षमता वाले मजबूत बुद्धिमान सिस्टम बनाने के लिए स्थिर फ्रेम के भीतर खोजने के बजाय नए निरूपणात्मक प्राइमिटिव्स को बनाना, स्थिर करना और पुनः उपयोग करना आवश्यक है।