DeepSeek最新研究论文《Inference-Time Scaling for Generalist Reward Modeling》提出了一种创新方法，通过推理时缩放技术优化奖励模型，从而引导更强大的推理模型生成。该技术标志着这家中国初创公司的一项战略布...

FastCuRL-1.5B-Preview 是一种基于课程强化学习（Curriculum Reinforcement Learning）的慢思维推理模型，该模型在较少的训练步骤中实现了最先进的性能，展示了其在复杂推理任务中的潜力。相比传统方法，FastCuRL 通...

近日，CodeI/O技术通过将代码转换为输入输出预测格式，显著提升了大语言模型（LLM）的推理能力。该方法通过教授通用推理原则，而非依赖代码语法，从而在多种推理任务中实现了性能优化。此外，通过多轮修订进一步验证...

近日，GitHub Gist上发布了一个关于Llama推理模型的最小化工作复现版本。该模型最初由OpenAI提出，并由DeepSeek发布。该模型通过数学问题的格式和正确性奖励进行训练，展示了在长时间训练后出现的“顿悟”时刻。这一进...

微软最新发布了Phi-4语言模型，这是一个小型模型，但在处理复杂推理任务方面表现出色。Phi-4通过先进的自然语言处理技术，能够理解和生成复杂的文本内容，特别擅长于解决需要深度逻辑分析的问题。其小巧的模型尺寸意...

系统2模型是一种使用类似于思维链的方法，通过更多的测试时间计算来提升推理的模型。最新的研究发现，我们可以将这种行为提炼为一个系统1模型，使其运行速度更快，而准确性相似。系统1模型的主要优势在于其高效的运...

近日，一项研究引入了一种名为Solo Performance Prompting（SPP）的方法。该方法利用LLMs中的多个角色模拟认知协同，这是一种提高问题解决能力的协作过程。通过使用经过精细调整的角色，SPP使LLMs能够处理需要深度领...

### 核心要点： - GitHub仓库Chain-Of-Thought-Hub旨在通过链式思考提示来测试大型语言模型的复杂推理能力。 - 该仓库提供了一系列链式思考提示，旨在测试模型在推理和推断方面的表现。 - 这些测试可以帮助研究人员...