ARC Prize 发布 ARC-AGI-2 基准并开启 2025 竞赛
ARC Prize 官方发布更难的 ARC-AGI-2 基准，纯 LLM 得分 0%，o3-preview-low 仅约 4%，而每个任务都至少由 2 人在 2 次尝试内解出。
推荐理由：官方公布了新基准的题型、人类与 AI 的对比成绩和效率指标，读者可以据此理解当前推理系统与人类泛化能力的具体差距。
北京时间
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 561–580 条 · 共 592 条ARC Prize：官方博客精选AI 评分7070 DeepSeek：API 更新日志精选AI 评分7272 DeepSeek 将 deepseek-chat 升级为 DeepSeek-V3-0324
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V3-0324，推理能力增强，MMLU-Pro 升至 81.2，AIME 升至 59.4。同时优化了 Web 前端开发、中文写作（对齐 R1 风格）、中文搜索及 Function Calling 准确率，并修复了此前问题。
推荐理由：这是 DeepSeek V3 发布后的一次重要版本更新，推理和代码能力提升显著，AIME 提升近 20 分，前端和中文写作体验优化，API 用户应该尽快切换。
xAI：News（网页）精选 Grok 3 Beta 发布：推理智能体时代来临
Grok 3 Beta 正式发布，开启"推理智能体"时代。新版本强化深度推理与自主决策能力，支持复杂任务拆解和多步逻辑链处理，在数学、编程等推理密集型场景表现显著提升，标志着 AI 从简单问答向自主推理决策的范式转变。
推荐理由：xAI发布Grok 3 Beta，主打推理智能体能力
DeepSeek@deepseek_ai精选
推荐理由：DeepSeek 推出硬件对齐稀疏注意力 NSA，长上下文训练推理双提速，预训练成本显著降低
ARC Prize：官方博客精选AI 评分7272 ARC Prize 分析 DeepSeek R1-Zero 与 R1 在 ARC-AGI-1 上的结果
ARC Prize 发布对 DeepSeek R1-Zero 和 R1 的分析，两者在 ARC-AGI-1 上分别得分 14% 和 15.8%，与 o1（低算力 20.5%）相当，而 o3-preview 低算力达 75.7%。
推荐理由：作者基于 ARC-AGI-1 实测数据比较 R1-Zero 与 o1/o3，提出纯 RL 训练可绕过人类标注瓶颈和推理经济学两个分析角度。
OpenRouter：Announcements（RSS）精选AI 评分5959 OpenRouter 推出 Reasoning Tokens，用于思考模型
OpenRouter 为思考模型（thinking models）新增推理 token（reasoning tokens），帮助用户理解模型思考过程。
推荐理由：OpenRouter把思考模型的推理步骤给透明了，调试链路的开发者能直接看“内心戏”，但放在今天这个功能已不稀奇。
公众号：DeepSeek（深度求索）精选AI 评分6464 DeepSeek-R1 发布，性能对标 OpenAI o1 正式版
DeepSeek-R1 发布，性能对标 OpenAI o1 正式版。模型遵循 MIT License 开放 API，训练技术同步公开。
推荐理由：虽已是旧闻，但 DeepSeek-R1 作为首个开源对齐 o1 的模型，其训练技术至今仍有参考价值，做推理方向的值得回溯。
DeepSeek：API 更新日志精选AI 评分7373 DeepSeek 发布 deepseek-reasoner 推理模型
DeepSeek 推出新模型 DeepSeek-R1，可通过指定 model=deepseek-reasoner 调用。该模型为推理模型，详细更新与调用指南已分别发布。
推荐理由：R1 的 API 开放让开发者能直接调用推理能力，对需要深度思考的应用是个关键接入点，成本比同类更低。
Sam Altman：Blog（RSS）精选 反思
Sam Altman在ChatGPT两周年之际回顾OpenAI九年历程：从坚信AGI可能实现，到2022年意外推出ChatGPT并引爆前所未有的增长曲线。他坦承过去两年从零构建公司的混乱压力，以及被董事会突然解雇的危机教训。如今周活用户已达3亿，在迈向AGI的道路上，他既感激这段经历，也承认未来仍充满未知。
推荐理由：Sam Altman 反思创业历程，预测 2025 年 AI Agent 将实质性改变企业产出
ARC Prize：官方博客精选AI 评分8383 ARC Prize 实测 OpenAI o3 在 ARC-AGI-Pub 取得突破性高分
ARC Prize 官方测试报告显示，OpenAI o3 在 ARC-AGI-1 Semi-Private 评测中以 $10k 算力上限取得 75.7%，高算力（172 倍）配置达 87.5%，Public Eval 高算力为 82.8%、低算力为 91.5%。
推荐理由：ARC Prize 官方第一手测试数据，给出 o3 在 ARC-AGI 各算力档位的得分、成本和机制解读。
ARC Prize：官方博客精选AI 评分6363 ARC-AGI-Pub 2024 进展：Jeremy Berman 与 MIT 康奈尔联队刷新公开榜
ARC Prize 官方宣布 2024 ARC Prize 竞赛结束时，两个新方案在 ARC-AGI-Pub 公开榜刷新纪录：Jeremy Berman 用基于遗传算法思想的 Evolutionary Test-time Compute 配合 Claude Sonnet 3.5 得到 53.6%，MIT 与 Cornell 联合团队用测试时训练（TTT）方法得到 47.5%。
推荐理由：原文介绍了两种登上 ARC-AGI 公开榜的方案细节与开源代码，读者可以对比进化式测试时计算与测试时训练的思路差异。
DeepSeek：API 更新日志精选AI 评分6767 DeepSeek 将 deepseek-chat 升级为 DeepSeek-V2.5-1210
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V2.5-1210，各项能力提升。数学能力在 MATH-500 基准测试中从 74.8% 提升至 82.8%，代码能力在 LiveCodebench (08.01 - 12.01) 基准测试中从 29.2% 提升至 34.38%。新版本还优化了文件上传和网页总结功能的用户体验。
推荐理由：DeepSeek把deepseek-chat数学拉到82.8%，代码涨了5个点，做复杂推理的开发可以试试水，但这还是V2.5系列的常规升级，别当次代际跃迁。
ARC Prize：官方博客精选AI 评分6464 ARC Prize 2024 获奖名单与技术报告发布
ARC Prize 官方公布 2024 年获奖者并发布技术报告，共 1,430 支队伍提交 17,789 个方案，ARC-AGI-1 SOTA 从 33% 升至 55.5%，但 100 万美元大奖无人认领。
推荐理由：官方技术报告给出完整获奖方案与三类新方法总结，读者可以据此了解 ARC-AGI 分数提升背后的具体技术路线。
公众号：DeepSeek（深度求索）精选AI 评分6666 DeepSeek 推理模型预览版上线，推理性能媲美 o1-preview，公开完整思维链
DeepSeek 上线推理模型预览版，其推理性能与 OpenAI 的 o1-preview 相当，并公开了模型的完整思维链。
推荐理由：虽然已是旧闻，但 DeepSeek 首次公开推理模型完整思维链，对理解 o1 类模型的内部机制是个重要线索，做推理模型研究的值得回看。
ARC Prize：官方博客精选AI 评分6060 Mike Knoop 与 François Chollet 阐述结合深度学习与程序合成攻克 ARC-AGI 的技术路径
ARC Prize 团队于 2024 年 10 月 24 日举办线上活动，说明为何单靠深度学习难以攻克 ARC-AGI，并提出结合深度学习与程序合成的技术路线。
推荐理由：Chollet 和 Knoop 系统论述 LLM 局限于记忆技能、需结合程序合成才能胜出 ARC-AGI 的技术路径，为理解智能与抽象层次提供了可迁移的分析框架。
Liquid AI 模型与工程博客（网页）精选AI 评分6464 Liquid AI 发布首批 Liquid Foundation Models：LFM-1B/3B/40B
Liquid AI 发布第一代 Liquid Foundation Models（LFM），包含 1.3B、3.1B 和 40.3B MoE（激活参数 12B）三个语言模型，官方称在各规模上取得同级领先质量。
推荐理由：官方发布了三档模型的基准数据和内存表现，并说明非开源决定与边缘部署定位，读者可据此评估是否试用。
Anthropic：Transformer Circuits（可解释性研究）精选AI 评分7373 电路更新——2024年9月：Anthropic团队探索Transformer模型中的“后继头”机制
Anthropic可解释性团队在2024年9月分享了其初步研究进展，重点探讨了Transformer模型中普遍存在的“后继头”。这些特定的注意力头专门用于处理序数序列（如数字、星期、月份）中的后继关系。研究采用权重检查、独立成分分析等四种互补方法进行识别，其中评分最高的头能将约80%的序数标记最可能地映射到其后继项。分析还揭示了这些头中存在与类别相关的块状结构。团队强调这些发现属于初步成果，预计未来几个月将发表更详细的研究。
推荐理由：揭示Transformer内部机制，助力AI可解释性研究，对模型调试和安全有参考价值。
ARC Prize：官方博客精选AI 评分7171 ARC Prize 实测 OpenAI o1 在 ARC-AGI-Pub 的成绩
ARC Prize 用统一测试框架测得 o1-preview 在 ARC-AGI 公开评测得 21.2%，与 Claude 3.5 Sonnet 的 21% 相当，但每任务平均耗时 4.2 分钟约为其 10 倍。文章认为 o1 实现了训练时和推理时的 CoT 范式，从记忆答案转向记忆推理，但仍限于预训练数据分布内，测试时算力增加虽能对数级提升准确率，实现 AGI 仍需新思路。
推荐理由：ARC Prize 用同一测试框架实测 o1 并给出测试时算力与效率分析，读者可借此理解 o1 在 ARC-AGI 上成绩有限的原因。
PromptArmor：Threat Intelligence精选AI 评分6868 PromptArmor 披露 Slack AI 可经间接提示词注入窃取私频数据
PromptArmor 披露 Slack AI 存在间接提示词注入漏洞，攻击者可在其自建的公开频道发布恶意指令，诱导 Slack AI 把用户私有频道中的 API key 等机密数据嵌入钓鱼链接并渲染给用户，点击后数据被外泄。
推荐理由：报告给出完整攻击链和复现细节，读者可以据此评估 Slack AI 的间接提示词注入风险并调整设置。
Anthropic：Transformer Circuits（可解释性研究）精选AI 评分7676 2024年7月电路更新：迈向神经网络机制理解的下五个挑战
Anthropic可解释性团队分享了2024年7月的多项研究进展与初步想法，并指出了未来面临的五大核心挑战。这些挑战包括：大量未被提取的“缺失特征”可能构成神经网络的“暗物质”；跨层叠加现象使特征难以映射到特定层；注意力叠加可能掩盖了如归纳头等基本单元的真实结构；权重叠加产生的“干扰权重”给电路分析带来混淆；以及如何将微观的电路理解整合为宏观的模型认知。团队认为，尽管在特征叠加等问题上已取得显著进展，但这些新挑战是通往神经网络机制性理解道路上的关键障碍。
推荐理由：可解释性研究新挑战，帮助理解AI模型黑箱，对安全和信任至关重要。