標籤 · #ai-research

Nemotron 模型在 IOI 和 IMO 中奪得金牌表現

為什麼值得讀 這證明了結合迭代推理迴圈的專業微調，能在無需外部工具的情況下，將開放權重模型推升至精英競賽等級。

NVIDIA 透過微調 Nemotron 模型，使其在國際資訊學奧林匹亞競賽（IOI）與國際數學奧林匹亞競賽（IMO）中均達到金牌水準的表現。

SWE-Flux 基準測試揭示大型語言模型在執行期推理上的困境

為什麼值得讀 大型語言模型在執行期行為方面仍顯薄弱。SWE-Flux 提供了一項嚴謹且自動化的基準測試，用於衡量模型在真實 Python 儲存庫中此方面的差距。

新推出的儲存庫層級基準測試 SWE-Flux 顯示，頂級大型語言模型在動態執行推理任務上的準確率僅達 37%，暴露出其在處理複雜程式碼執行邏輯時的顯著不足。

大型語言模型智能體中的跨任務技能遷移：子任務與文本勝出

為什麼值得讀 開發自主智能體的開發人員可以通過將記憶體結構化為文本形式的子任務來提高可靠性。所提出的效用評分提供了一種執行前的診斷工具，用於篩選有效的技能。

研究發現，子任務級別的歸納與文本格式能使大型語言模型智能體實現可靠的技能遷移，其表現優於任務級別和基於代碼的方法。

實體AI人才爭奪戰——頂尖工程師的去向與科技領導權預測

2026年頂尖ML研究員與機器人工程師的人才流向，預測2028年的科技領導格局。

Recursive Superintelligence 帶 $6.5 億美元出場，挑戰「自我改進的 AI」

為什麼值得讀 NVIDIA 與 AMD 同時出現在 cap table 才是暗號：押注的是「對哪家晶片廠都不忠誠的算力工作量」（對架構空間做遞迴搜尋）—— 而不是某家的模型家族。

$6.5 億美元、估值 $46.5 億美元，產品未出。GV 與 Greycroft 領投；NVIDIA 與 AMD 同場跟投。論點：AI 自動進行架構搜尋。