测试时扩展
4 published articles
人工智能5 min read
测试时扩展
CoBa路由以58.9%更少的token追平best-of-16投票
CoBa，一篇新arXiv论文中提出的计算平衡路由策略，在0.01个百分点内追平best-of-16多数投票，同时将参数加权token削减58.9%。在跨MATH-500、AIME和AMC的3,129次评估中，它还完全胜过单样本解码，不过在预算不受限时，best-of-16仍保持微弱优势。
2026-08-19
实验室与研究4 min read
AI 研究
更长的思维链碰壁。ThinkRetrieve 在推理中途注入修复
一篇新的预印本论文指出，顺序式的测试时扩展常常遭遇收益递减甚至负收益。ThinkRetrieve 在推理中途检索已解决的示例并将其注入推理轨迹，报告称在 AIME 2025 上对五个小型推理模型取得了最高 60% 的相对提升。
2026-08-18
工具与框架3 min read
AI研究
工具链进化看起来令人印象深刻，直到你在未见过任务上测试它
自动工具链进化本应让LLM智能体变得更好，但一篇新论文认为，许多报道的收益可能来自对公开测试集的过拟合。在实验中，简单的测试时扩展方法匹配或优于进化，而进化后的工具链在未见过的任务上表现有限。
2026-07-27
人工智能Featured5 min read
人工智能
MiniMax M3 与打造防作弊推理模型的艺术
MiniMax 详解了 M3 推理能力背后的工程细节：一种深度防御验证器，成功避免了 M2 周期中的奖励破解失败模式；以及 MaxProof，一种群体级测试时扩展框架，将采样转化为引导式搜索。在 IMO 2025 和 USAMO 2026 上，使用 MaxProof 的 M3 超过了人类金牌得主阈值。
2026-07-16