北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”
北京大学DS-Lab发布ScholarSearch数据集，评估LLMs在学术研究中的信息检索能力。结果显示现有模型普遍表现不佳，仅凭推理无法解决复杂问题，需结合搜索功能以提高准确率。
准确率提升
大模型“拼好题”，45K数据撬动18%提升，数学问题拒绝死记硬背 MathFusion
MathFusion团队提出了一种新的方法，通过指令融合增强大语言模型解决数学问题的能力。仅使用45K的合成指令，在多个基准测试中平均准确率提升了18.0个百分点。MathFusion通过顺序、并列和条件三种融合策略将不同数学问题巧妙结合生成新问题，显著提升模型性能与数据效率，并在in-domain和out-of-domain基准测试中均表现出优越表现。
10% KV Cache实现无损数学推理！这个开源方法解决推理大模型「记忆过载」难题
R-KV团队发布了一种新的高效压缩方法，可以显著减少大模型推理时的冗余信息。该方法通过实时对token进行排序和重要性评估来保留关键且多样化的信息，并在计算开销适中的情况下实现了更高的准确率和吞吐量。
中科院提出DEER：让Reasoning提前退出，推理提速50% 准确率涨10%
MLNLP是国内外知名的机器学习与自然语言处理社区。旨在促进学术界、产业界和爱好者的交流合作。近期提出DEER技术来解决大型语言模型冗长推理的问题，通过监测思考转折词和置信度评估实现。
微软GUI智能体OmniParser二代开源！推理延迟降低60%，大模型玩手机更溜了
OmniParser V2通过更大规模的数据集训练，提升了对小图标检测的准确率和推理速度。其与LLM结合后在多个基准测试中表现优异，平均准确率达到39.6%。
伯克利教授：AI思考的越多，越容易出错
UC Berkeley教授发现AI答错题时话多答对题时话少的现象。为了提高准确率，Dimakis提出「Laconic解码」方法，在AIME24测试中提升了6-7个百分点的准确率。