Transformer原作、斯坦福、清华交大三篇论文共识：基座模型边界锁死RL能力上限
MLNLP社区是国内外知名的人工智能社区，致力于促进学术交流。该领域内的三篇论文讨论了强化学习在大模型训练中的作用，并指出模型的推理能力大部分已在预训练阶段形成，RL更多起到优化选择路径的作用。
自我反思
Anthropic新模型将“推理模式”与“标准模式”混合：提高数学、物理等方面的表现
Anthropic发布Claude 3.7 Sonnet模型，具备混合模式能力。该模型结合了推理和实时生成答案的功能，并已投入使用。
上海AI实验室版o1已上线！数学竞赛题、Leetcode赛题全拿下，还会玩24点
国产o1新选手登场，上海AI实验室版o1——书生InternThinker能快速解决数学、代码编程等任务，并能在推理过程中进行自我反思和纠正。其长思维能力提升显著，已在数学、代码及逻辑谜题等多种场景中展现优势。