PulseAugur
中
实时 13:16:03
实体 mathematics-dataset

mathematics-dataset

PulseAugur coverage of mathematics-dataset — every cluster mentioning mathematics-dataset across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
29
90 天内 96
发布 · 30天
0
90 天内 0
论文 · 30天
21
90 天内 67
层级分布 · 90 天
主题
情绪 · 30 天

12 天有情绪数据

最近 · 第 1/5 页 · 共 100 条
  1. COMMENTARY · CL_370335 ·

    AI 论述质疑数学的相关性

    一些人声称学习数学已不再重要,但这种观点可能源于无法准确评估数学问题解决能力的重要性。这种观点表明,数学的感知效用与其在包括人工智能在内的各个学科中的基本作用之间可能存在脱节。

  2. RESEARCH · CL_368957 ·

    AI模型Claude协助数学家证明黎曼猜想 · 跟踪8个来源

    Anthropic公司开发的名为Claude的AI模型据称正被用于证明长期存在的数学难题黎曼猜想。尽管初步报告表明该证明极有可能为真,并已通过初步验证阶段,但数学家们仍在仔细审查这些发现。这一进展在数学界引起了极大的兴奋和惊叹。

  3. TOOL · CL_357707 ·

    研究发现AI模型在多语言训练中出现能力漂移

    一篇新的arXiv论文探讨了AI模型多语言后训练中的能力漂移问题,特别考察了一个GRPO模型的两个分支。一个分支在数学任务上取得了显著进步,但在印度语言理解方面却明显下降;而另一个分支则恢复了印度语言分数,但牺牲了其他能力。研究强调了基于奖励的训练如何会无意中削弱必要技能,并建议在解读基准分数时,应同时考虑它们所奖励的响应格式。

  4. TOOL · CL_351981 ·

    新的BARS方法通过拒绝机制提高了LLM的准确性

    研究人员开发了BARS,一种新颖的顺序采样方法,旨在提高大型语言模型在识别多数答案时的准确性和效率,特别是在数学问题解决等复杂任务中。BARS引入了一个“拒绝”机制,允许模型在置信度低或预算不足时拒绝回答,从而更诚实地评估其能力。这种方法在GSM8K和MATH等数据集上显示出显著的准确性提升,同时与传统方法相比,所需的样本数量也更少。

  5. TOOL · CL_351030 ·

    AI模型评估从令牌预测演进到复杂工作流

    前沿AI模型的评估已经经历了不同的时代,从简单的令牌预测和对数似然评分,到评估指令遵循,再到验证数学、代码、事实性和安全性。随后的时代侧重于推理能力,最近则关注端到端工作流,模型利用工具来完成复杂任务。这一进展使得评估单位从单个令牌扩展到整个作业,评分方法也从似然度转向精确匹配、评分标准和环境结果。在这些时代中,一个重大的挑战是评估方差,即即使在同一模型上多次运行相同的评估,分数也可能因采样噪声而波动。

  6. COMMENTARY · CL_349815 ·

    AI转型为数学家开启新可能

    AI的快速发展正在数学领域引发重大变革,带来了大量新可能性和挑战。这场转型让数学家们感到“豁然开朗”,开启了广泛的潜在研究方向。人们普遍预计,未来需要更多数学家来应对日益增长的信息量和新发现。

  7. COMMENTARY · CL_349505 ·

    AI与数学每周精读摘要:2026年11月2日至9日

    此摘要包含一项内容,即2026年11月2日至11月9日期间关于AI和数学的每周精读摘要。摘要包含内容的英文和西班牙文版本的链接,涵盖了诸如AI用于数学、自动形式化以及IsabelleHOL和Lean4等定理证明器等主题。

  8. TOOL · CL_348607 ·

    新研究质疑语言子空间干预在大型语言模型中的有效性

    研究人员探索了语言子空间干预作为增强大型语言模型多语言推理能力的方法。他们的研究使用了MATH和MGSM数据集,并针对四种开源大型语言模型进行了实验,以调查这些干预措施是否能有效捕获和移除特定语言的组件,同时不损害响应语言的保真度。研究结果表明,虽然干预措施可以捕获与翻译相关的变化,但它们并不能完全移除语言信息,并且准确性的提高往往是以牺牲响应语言的完整性为代价的。细微的提示修改可以带来类似的准确性提升,但会显著降低语言保真度,这表明…

  9. TOOL · CL_344130 ·

    AI新技ASB通过分析分歧改进推理

    研究人员开发了一种名为自适应语义分支(ASB)的新型推理技术,旨在提高AI模型的推理能力。ASB通过分析模型对同一问题生成的推理轨迹中的分歧,并利用这些分歧来创建新的候选解决方案。在Qwen2.5-7B-Instruct模型和MATH数据集上的测试表明,ASB成功提高了正确候选的覆盖率,找回了10个先前遗漏问题的解决方案。

  10. TOOL · CL_336252 ·

    新方法试图修复语言模型的“遗忘”问题

    研究人员开发了一种方法来缓解语言模型的“遗忘”现象,即模型在针对新指令或主题进行微调后,其预测标准文本的能力会下降。所提出的技术涉及对模型最终的 token 预测应用固定的调整,例如词汇偏差或温度修改。虽然这些固定的调整可以恢复高达 36% 在未见文本上损失的性能,但大部分原始损失仍未得到解决,特别是对于在数学数据集上进一步预训练的模型。

  11. TOOL · CL_333049 ·

    DUET方法优化RLVR令牌预算,提高质量和速度

    研究人员开发了DUET,一种用于优化可验证奖励(RLVR)的强化学习中令牌预算分配的新颖方法。DUET联合调整提示选择和回滚长度,优于之前仅控制一个维度的现有方法。该方法显著提高了推理质量并减少了训练时间,即使仅使用一半的令牌预算。

  12. TOOL · CL_325738 ·

    OpenAI AI 生成数学、科学证明;专家将进行验证

    据报道,OpenAI 已开发出能够生成数学、计算机科学和物理学证明的 AI 模型。其中一项证明涉及千禧年大奖难题,该难题奖金为 100 万美元。该公司正邀请包括诺贝尔奖得主在内的外部专家来验证这些证明。如果得到证实,仅计算机科学领域的证明就可能颠覆数百篇现有研究论文。

  13. TOOL · CL_325687 ·

    OpenAI 声称在数学和物理学领域取得人工智能驱动的突破

    OpenAI 宣布其人工智能模型在数学和理论物理学方面取得了重大突破。其中包括对调和分析复杂问题的形式证明,以及对指数时间假设的证否,这两项成果均已发表并正在接受专家评审。此外,OpenAI 声称已获得量子场论的存在性证明,但这些尚未公开发布。

  14. TOOL · CL_324699 ·

    新研究探讨强化学习跨域泛化

    一篇新的arXiv论文探讨了语言模型在强化学习(RL)中不同域之间的学习迁移。该研究题为“在何处以及奖励什么?理解强化学习中可验证与开放域之间的泛化”,研究了在可验证奖励(RLVR)上训练的模型以及在开放式对话中基于人类反馈(RLHF)训练的模型,在训练数据变化时的表现。研究人员发现,在开放式提示上进行RLHF可以显著提升对话能力,同时也能改善推理和编码任务,而RLVR主要增强推理能力,但在开放式对话中的提升有限。

  15. TOOL · CL_323765 ·

    GRPO:一种内存高效的 LLM 训练强化学习方法

    Group Relative Policy Optimization (GRPO) 是一种强化学习技术,它通过消除对独立 critic 模型的需求来改进 Proximal Policy Optimization (PPO)。GRPO 会比较模型针对提示生成的多个答案,并偏好那些表现优于群体平均水平的答案。该方法由 DeepSeekMath 提出,与传统的 PPO 相比,显著降低了内存和计算需求,从而提高了训练大型语言模型的效率。

  16. COMMENTARY · CL_323619 ·

    AI分析师面临将噪音报告为发现的风险;提出缓解策略

    AI分析师可能会无意中将噪音呈现为一项发现,方法是尝试多种分析并仅报告统计学上最显著的结果,即使实际上不存在真实效应。一个模拟实验说明了这种现象,在该实验中,当测试20种不同的指标时,三分之二的研究产生了假阳性。为缓解此问题,文章提出了三种习惯:分割数据并将一部分数据保留给AI以供后续验证;在分析前预先定义并冻结比较参数;以及保存带有日期的预测以等待实际结果。

  17. TOOL · CL_321790 ·

    新的 LLM 预训练方法提高了知识和数学任务的性能

    研究人员开发了一种名为 LARE(固定曝光下的损失自适应重加权)的新方法来改进大型语言模型的预训练。该技术通过根据运行损失统计数据重加权不同数据域的贡献来调整它们对学习的影响,而不是改变暴露数据的数量。在 240B 词元上训练的 1.5B 参数模型进行的实验表明,在知识、数学和代码基准测试中取得了显著的收益,包括在 GSM8K 上 +17.06 pp 的显著改进。LARE 表明,优化域损失尺度可以在不增加数据暴露的情况下增强联合能力。

  18. RESEARCH · CL_324770 ·

    Outcome RL 模型通过完成和可靠性提升性能,而非新知识

    一篇题为“Outcome RL 的作用:完成、可靠性,鲜有触及”(What Outcome RL Buys: Finishing, Reliability, Rarely Reach)的新研究论文,由 Yue 等人撰写,探讨了 Outcome Reinforcement Learning (RL) 模型的效果。该研究在固定 token 预算内,比较了 20 个已发布的 RL 模型与其基础模型在物理和数学问题上的表现。研究结果表明,RL…

  19. RESEARCH · CL_324509 ·

    新基准评估AI代理的多领域自我改进能力

    研究人员推出了ParetoRSI-Gym,这是一个旨在评估AI代理在多个领域递归自我改进(RSI)能力的新基准。与以往的单一基准评估不同,ParetoRSI-Gym固定了基础LLM和训练管道,同时允许代理在五个领域(数学、代码、金融、医学和科学)的数据上进行迭代搜索、策展和训练。这种方法旨在衡量真正的能力提升,同时减轻对代理分数的过拟合。在实验中,最强的代理系统Claude Code with Opus-5在模型和领域上的平均相对泛化…

  20. TOOL · CL_314922 ·

    Perplexity 和 NVIDIA 发布 JOLT,用于高效的 LLM 后训练

    来自 Perplexity 和 NVIDIA 的研究人员开发了 JOLT,一种用于语言模型的创新后训练方法,该方法使用单个模型同时充当教师和学生。这种方法使用特权信息训练教师,而学生则在没有这些信息的情况下学习,但至关重要的是,教师也经过训练以确保其反馈保持相关性。JOLT 在 MATH 数据集上以 GRPO 准确率相匹配,但处理的训练 token 减少了 6.5 倍,并在 AppWorld 和 LiveCodeBench v6 等各…