arxiv Moonshot AI (arXiv) · 486 hari lalu

Seed1.5-Thinking menggunakan pembelajaran penguatan untuk meningkatkan penalaran

Diterjemahkan dari English → Bahasa Indonesia

Peneliti memperkenalkan Seed1.5-Thinking, sebuah model Mixture-of-Experts dengan 20B parameter aktif dan 200B total yang bernalar sebelum merespons. Metode ini mencapai 86.7 pada AIME 2024, 55.0 pada Codeforces, dan 77.3 pada GPQA, menunjukkan kemampuan penalaran yang kuat di bidang STEM dan pemrograman.

Mengungguli DeepSeek R1 sebesar 8% dalam tingkat kemenangan pada tugas non-penalaran.
Mengembangkan dua benchmark internal, BeyondAIME dan Codeforces, untuk menilai penalaran umum.

Model ini menunjukkan generalisasi yang nyata di berbagai domain, mengindikasikan penerapan yang lebih luas di luar tugas penalaran murni.

Kepentingan 2/3 Moonshot AI (arXiv) ByteDance Reasoning models Research paper

Benchmark

Benchmark	Model	Skor
AIME 2024	Seed1.5-Thinking	86.7%
GPQA Diamond	Seed1.5-Thinking	77.3%

Baca aslinya

Douyin merilis model embedding multimodal DME dengan kinerja terkini

Douyin telah merilis laporan teknis untuk model Embedding Multimodal (DME)-nya, yang menggabungkan pra-pelatihan kontrasif skala besar dengan penalaran laten untuk mencapai diskriminasi dan efisiensi yang kuat.

media Don't Worry About the Vase · 5 hari lalu · 5 tayangan

Astra dari OpenAI memecahkan 10 masalah matematika terbuka utama

OpenAI telah merilis hasil dari model internalnya yang belum dirilis, Astra, yang berhasil memecahkan sepuluh masalah terbuka signifikan dalam matematika. Solusi-solusi tersebut dihasilkan oleh model dan selanjutnya diformalkan menjadi sertifikat Lean oleh peneliti manusia.

blog Simon Willison · 8 hari lalu · 12 tayangan

Model Astra OpenAI memecahkan sepuluh masalah matematika lama menggunakan GPT-5.6 Sol

OpenAI telah merilis solusi untuk sepuluh masalah matematika dan ilmu komputer teoretis yang tidak mengalami kemajuan pada hasil utamanya selama setidaknya satu dekade, menggunakan versi internal dari model utama berikutnya, Astra.

arxiv arXiv cs.AI · 17 hari lalu · 1 tayangan

PoTRE memperkenalkan kerangka kerja multi-agen heterogen untuk penalaran saat pengujian

Para penulis memperkenalkan PoTRE (Poly-Topological Reasoning Ensembles), sebuah kerangka kerja yang dirancang untuk mengatasi keterbatasan prompting aliran tunggal standar dalam tugas penalaran kompleks. PoTRE memisahkan inferensi menjadi empat agen yang berbeda: Agen Refinement Adversarial, Agen Perencanaan Strategis Hierarkis, Agen Pencarian Spektrum, dan Agen Rantai Langsung.

arxiv arXiv cs.AI · 24 hari lalu

Deep Interaction memungkinkan koreksi manusia yang presisi atas kesalahan penalaran LLM

Para penulis mengusulkan Deep Interaction, metode interaksi manusia-AI yang efisien yang dirancang untuk memperbaiki kesalahan penalaran dalam model bahasa besar tanpa memerlukan regenerasi respons penuh. Mekanisme ini memungkinkan pengguna mengedit langsung respons Chain-of-Thought asli, mempertahankan langkah-langkah yang akurat sambil memperbaiki kesalahan.