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.
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.
Sebuah makalah menunjukkan bahwa blok chain-of-thought terenkripsi yang dikembalikan oleh Anthropic, OpenAI, dan Google dapat diekstrak dalam bentuk plaintext. Para penulis mengeksploitasi kerentanan di mana model-model dalam keluarga yang sama berbagi kunci enkripsi, memungkinkan mereka mereplay jejak ke model saudari yang lebih lemah.
Sebuah makalah baru menunjukkan bahwa blok penalaran terenkripsi dari model mutakhir seperti Claude, GPT, dan Gemini dapat diuraikan dan diputar ulang untuk mengekstrak data rantai-pemikiran yang tersembunyi. Penulis menunjukkan bagaimana blob bertanda tangan ini dapat ditransfer ke model yang lebih lemah atau sesi berbeda untuk mentranskripsikan pemikiran mendasar, secara efektif menghindari upaya pengaburan dari penyedia.
Para peneliti telah mengidentifikasi kerentanan dalam cara penyedia model bahasa besar terkemuka menangani jejak penalaran bertahap, yang dikembalikan sebagai blok terenkripsi untuk penggunaan sisi klien. Mereka menemukan bahwa blok-blok terenkripsi ini sepenuhnya kompatibel dan dapat dipertukarkan di seluruh sesi, pengguna, dan model yang berbeda dalam ekosistem penyedia yang sama.
Para peneliti telah mengidentifikasi kerentanan arsitektural dalam cara penyedia model bahasa besar terkemuka menangani jejak penalaran langkah demi langkah. Penyedia mengembalikan jejak ini sebagai blok terenkripsi ke klien, namun studi menemukan bahwa blok-blok tersebut sepenuhnya kompatibel dan dapat dipertukarkan antar sesi, pengguna, dan model yang berbeda dalam ekosistem penyedia.
Meta mengumumkan bahwa model Muse Spark 1.2 mereka mencapai performa medali emas di lima Olimpiade STEM dan masuk dalam top 5 pada Indeks Vals dengan harga $0,69 per uji, dilaporkan 3x lebih murah daripada Kimi. Meta mengaitkan peningkatan ini dengan orkestrasi multi-agen yang menggunakan penalaran paralel, mencatat skor teori sempurna di APhO dan IPhO tanpa alat eksternal.
AI9Stars telah merilis G9v3-39A5B, sebuah model bahasa bobot terbuka yang dirancang untuk memberikan kemampuan penalaran yang lebih kuat dibandingkan pendahulunya, ai9stars/G9v3-3B. Model ini memiliki 39 miliar parameter dan 5 ahli aktif serta dilisensikan di bawah Apache 2.0 untuk penggunaan pribadi dan komersial.
Sebuah makalah kerja oleh Joseph JM Walker mengevaluasi model bahasa frontier pada benchmark kriptografi sastra multi-saluran yang belum pernah dilihat sebelumnya, yang tertanam dalam novel fisik "I Wrote a Book and Made a Million Dollars (I.B. Wryten)." Studi ini menemukan bahwa GPT-5.6 secara mandiri mengenali saluran komunikasi sekunder dan memulihkan sekitar 95% materi yang disematkan pada percobaan pertama, sedangkan model-model sebelumnya menunjukkan kemampuan efektif 0%.
Sebuah studi menunjukkan bahwa model bahasa frontier dapat melakukan komputasi penting menggunakan token pengisi yang tidak relevan secara semantik, menciptakan mode kegagalan di mana penalaran tidak terlihat dalam rantai-tanggapan keluaran. Penelitian ini mengevaluasi 13 model di tiga tugas dan menemukan bahwa banyak yang mendapat manfaat signifikan dari token tersebut, dengan peningkatan akurasi hingga 13 poin persentase.
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.
Peneliti mengusulkan Isospectral Optimization (ISO), sebuah kerangka kerja untuk Pembelajaran Penguatan dengan Had Terverifikasi (RLVR) yang mengatasi lapisan optimasi yang hilang dengan menjaga spektrum bobot model tetap sambil mengoptimalkan frame singular input dan output.
Seorang pengembang berbagi kemajuan pada arsitektur AI simbolik konversasional yang dikembangkan selama delapan bulan terakhir, bertujuan untuk mengatasi kesenjangan dalam ekstraksi informasi non-neural.