"एन एलियन माइंड" शीर्षक वाले एक निबंध में, OpenAI तर्कसंगत भाषा मॉडलों में तेजी से होने वाली प्रगति और पुनरावृत्त आत्म-उन्नयन की संभावना पर चर्चा करता है। लेखक ने चिंता व्यक्त की है कि मशीन बुद्धिमत्ता मानवीय क्षमताओं को परिवर्तनीय तरीकों से पार कर रही है, जो मुख्य रूप से गणना शक्ति के विस्तार द्वारा संचालित है न कि डिज़ाइन किए गए एल्गोरिदम द्वारा।
शोधकर्ताओं ने ReasAlign पेश किया है, जो एक मॉडल-स्तर का समाधान है जिसे Large Language Models (LLMs) में अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन हमलों के खिलाफ सुरक्षा संरेखण को बेहतर बनाने के लिए डिज़ाइन किया गया है। इस दृष्टिकोण में उपयोगकर्ता क्वेरी का विश्लेषण करने और विरोधाभासी निर्देशों का पता लगाने के लिए संरचित तर्क चरण शामिल हैं, जिससे उपयोगकर्ता की इच्छित कार्यों की निरंतरता सुनिश्चित होती है।
OpenAI ने Navier-Stokes के फाइन-टाइम ब्लोअप समस्या को हल करने के लिए Astra से शक्तिशाली एक आंतरिक मॉडल का उपयोग किया, जो हज़ार वर्ष की समस्याओं के हल होने की अफवाहों के बाद 88 घंटों में कार्य पूरा कर लिया।
OpenAI से जुड़े खातों ने बताया कि एक AI-सहायित प्रयास ने Millennium Prize Problems में से एक, Navier-Stokes अस्तित्व और नियमितता समस्या से संबंधित एक परिणाम उत्पन्न किया। इस दावे का केंद्र लगभग 10,000 एजेंटों वाले सहयोगी सिस्टम पर है, जिन्हें मल्टी-एजेंट रिनफोर्समेंट लर्निंग का उपयोग करके एक वर्ष की अवधि में प्रशिक्षित किया गया।
OpenAI ने GPT-6 Astra जारी किया है, एक नया मॉडल जो लेखन, गणित और कोडिंग बेंचमार्क में अपने पूर्ववर्ती GPT-5.6 से काफी बेहतर प्रदर्शन करता है। रिलीज़ में 3D रेंडरिंग, एनिमेशन और ग्राफिकल यूजर इंटरफ़ेस इंटरैक्शन में मॉडल की असाधारण क्षमताओं पर जोर दिया गया है।
शोधकर्ताओं ने TokenProbe प्रस्तुत किया, जो Chain-of-Thought तर्क के उच्च टोकन उपभोग को हल करने वाले एक फ्रेमवर्क को दर्शाता है, जो तर्क ट्रैस के भीतर टोकन के गैर-समान मूल्य का लाभ उठाता है। विधि सामान्यीकृत लॉग प्रायिकता संकेतों का उपयोग करके निर्णायक सामग्री ले जाने वाले कोर टोकन और अनावश्यक फिलर के बीच अंतर करती है।
शोधकर्ताओं ने TelecomGPT-R1 का परिचय दिया है, जो एक खुला-स्रोत एकीकृत टेलीकॉम तर्क मॉडल परिवार है, जो मानकों, कॉन्फ़िगरेशन और लॉग पर तर्क करके इंजीनियरिंग कार्यों को स्वचालित करने के लिए डिज़ाइन किया गया है। यह मॉडल प्रोटोकॉल, ज्ञान, मॉडलिंग और दोष अक्षों को कवर करने वाले एक संरचित दृष्टिकोण के माध्यम से मौजूदा सामान्य-उद्देश्य और विशेष LLMs की सीमाओं को दूर करता है।
CosmicUndercurrent ने एक model-agnostic reasoning framework को open-source किया है, जिसका डिज़ाइन यह परीक्षण करने के लिए किया गया है कि क्या structural priming large language models में global inconsistencies को कम कर सकता है। प्रोजेक्ट, hosted, इस बात की जांच करता है कि क्या दो-चरणीय प्रक्रिया local correctness की तुलना में whole-system coordination को बेहतर बनाती है।
एक लेखक ने एक ऐसे तर्क प्रणाली के शोध डिज़ाइन का प्रस्ताव दिया है जो दो प्रपोजिशन के बीच विरोधाभासों का पता लगाती है, उन्हें छोटे घटकों में विघटित करके और तार्किक टकराव की खोज करके, सीधे LLM निर्णय पर निर्भर करने के बजाय।
Sberbank के AI Sage ने GigaChat-3.5 Reasoning जारी किया है, जो लंबे संदर्भ दक्षता के लिए Gated DeltaNet का उपयोग करने वाला 432B-A28B Mixture of Experts (MoE) मॉडल है।
एन्थ्रोपिक ने क्लॉड फेबल 5.1 जारी किया है, जो कोडिंग, ज्ञान कार्य और लंबे समय तक चलने वाली समस्या-समाधान कार्यों के लिए एक नया मानक स्थापित करने वाला मॉडल अपडेट है। इस रिलीज में नए Terminal-Bench-Science 0.1 बेंचमार्क पर महत्वपूर्ण प्रदर्शन लाभ उजागर हुए हैं, जहाँ फेबल 5.1 ने 52.6% स्कोर हासिल किया, जबकि फेबल 5 के लिए 24.7%, ओपस 5 के लिए 29.0% और जीपीटी-5.6 सोल के लिए 22.4% था।