arxiv Moonshot AI (arXiv) · há 838 d

Compreensão profunda dos problemas: método atinge 97,1% no GSM8K

Traduzido do English → Português (BR)

Pesquisadores propõem o DUP (Deeply Understanding the Problems), um método projetado para melhorar a capacidade de Modelos de Linguagem Grande de resolver problemas matemáticos abordando erros de incompreensão semântica que frequentemente limitam o raciocínio Chain-of-Thought.

O DUP incentiva os modelos a compreender profundamente os problemas e extrair informações-chave para um melhor raciocínio.
O método supera consistentemente as contrapartes em 10 benchmarks diversos de raciocínio.
O DUP atinge uma nova precisão de estado da arte de 97,1% no benchmark GSM8K em um cenário zero-shot.

Esta abordagem aborda um fator importante que limita o desempenho do raciocínio dos LLMs ao focar na compreensão semântica em vez de apenas cálculos ou erros por etapas omitidas.

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

Benchmarks

Benchmark	Modelo	Pontuação
GSM8K	DUP method	97.1%

Ler original

Astra da OpenAI resolve 10 grandes problemas abertos de matemática

A OpenAI divulgou os resultados de seu modelo interno não lançado, o Astra, que conseguiu resolver dez problemas abertos significativos em matemática. As soluções foram geradas pelo modelo e posteriormente formalizadas em certificados Lean por pesquisadores humanos.

blog Simon Willison · há 8 d · 12 visualizações

Modelo Astra da OpenAI resolve dez problemas matemáticos de longa data usando GPT-5.6 Sol

A OpenAI lançou soluções para dez problemas de matemática e ciência da computação teórica que não tinham visto progresso em seus resultados principais por pelo menos uma década, usando uma versão interna de seu próximo modelo principal, Astra.

arxiv arXiv cs.AI · há 17 d · 1 visualização

PoTRE apresenta estrutura multiagente heterogênea para raciocínio em tempo de teste

Os autores apresentam o PoTRE (Poly-Topological Reasoning Ensembles), uma estrutura projetada para abordar as limitações da solicitação padrão de fluxo único em tarefas complexas de raciocínio. O PoTRE desacopla a inferência em quatro agentes distintos: um Agente de Refinamento Adversarial, um Agente de Planejamento Estratégico Hierárquico, um Agente de Busca Espectral e um Agente de Cadeia Direta.

arxiv arXiv cs.AI · há 24 d

Interação profunda permite correção precisa de erros de raciocínio de LLM por humanos

Os autores propõem o Deep Interaction, um método eficiente de interação humano-IA projetado para corrigir erros de raciocínio em modelos de linguagem grandes sem exigir a regeneração completa da resposta. Este mecanismo permite que os usuários editem diretamente a resposta original do Chain-of-Thought, preservando os passos corretos enquanto consertam os erros.

arxiv arXiv cs.CL · há 25 d

Ring-Zero escala RL zero para 1T parâmetros para raciocínio emergente

Pesquisadores apresentam o Ring-Zero, um pipeline de treinamento estável que escala o aprendizado por reforço com recompensas verificáveis para modelos com um trilhão de parâmetros, abordando problemas como redundância de tokens e má legibilidade encontrados no escalonamento ingênuo.