概率统计机制下，LLM 推理真的「理解世界了」吗？
本周会员通讯解读了2个AI & Robotics业内要事。首先讨论了概率统计机制下LLM推理的真实情况，涉及简单复读和显性路径在推理中的角色、Next Token Prediction的动态建模过程以及因果理解的表达。其次探讨了企业如何使用AI采购预算，并分析了从自行构建转向购买第三方应用的原因。通讯还包含2项专题解读及31个要事速递。
思维链
奥特曼ChatGPT用法错了！最新研究：要求“直接回答”降低准确率，思维链提示作用也在下降
沃顿商学院研究发现，奥特曼喜爱的直接回答提示词会显著降低模型准确率。同时，思维链（CoT）命令的效果也有限，并且可能导致答案不稳定增加计算成本。
DeepSeek 新模型 R1-0528 悄悄开源，与o3 相当，实测来了。
DeepSeek 团队发布新版本 DeepSeek R1-0528，性能提升，支持长时间推理和复杂问题解决。模型基于 DeepSeek-V3-0324 模型，架构不变但进行了改进的训练方法和更透明的推理机制。
打破思维链推理瓶颈！“软推理”让大模型学会人类抽象能力，token使用量还更少了
研究提出Soft Thinking方法，让模型在连续的概念空间中进行“软推理”，打破基于离散token的推理瓶颈。相比标准CoT，最高提升Pass@1平均准确率2.48%，减少token使用量22.4%。
谷歌DeepMind强化学习微调技术，重构了大语言模型决策范式
谷歌DeepMind与LIT AI实验室的研究通过强化学习微调技术显著提升语言模型的决策能力，引发对未来AI新纪元的关注。该研究采用内在奖励机制和惩罚-塑造机制增强模型在真实世界中的应用效果，并探索人机共生、道德涌现等前沿议题。
「R1时刻」降临！港中文MMLab定义文生图新范式，彻底告别“无脑画图”
最近的大语言模型在数学和编程等领域展示了强大的推理能力，通过强化学习使用思维链逐步分析问题。本文介绍了一种新的方法将这种策略应用于图片生成任务中，提出了两种不同的层次的思维链（CoT）：Semantic-CoT负责设计图像的整体结构，而Token-CoT则专注于逐块生成细节。通过使用强化学习优化这两个层次的CoT，并引入多个视觉专家模型作为奖励模型来评估生成的图片质量，最终提出了一种新的文生图模型T2I-R1，显著提高了模型生成符合人类期望的结果的能力。
谷歌放大招！新版 Gemini 2.5 Pro 碾压 Claude、GPT，地表最强 AI 来了？
谷歌在I/O开发者大会上发布了新版Gemini 2.5 Pro Preview，该模型已在网页版、App端和开发者平台全面上线，并提供免费的25次每日使用额度。它被认为目前是地表最强且免费的多模态模型，尤其擅长编程任务。此外，新版还支持100万 tokens 上下文，具备强大的推理能力和前端UI优化能力。
OpenAI深夜发布满血o3和o4mini: 两个没想到
OpenAI发布o3和o4-mini模型，具备连续调用超过600次工具的能力，超越人类工程师。主要特点包括全面工具访问与推理能力、图像推理能力的突破以及主动式工具使用。