热门事件

俄乌战争专题

特朗普，马斯克 相关事件跟踪

巴以冲突最新进展

尹锡悦弹劾案全纪录

比亚迪”黑奴工”事件

香港47人案

各种举报事件汇总

AI热点追踪

加密货币热点跟踪

推荐信息源

avatar

网易新闻-红星新闻

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

#reasoning#LLM#agent

更强的reasoning， 更好的Agent 论文分享： Thinking Machines: A Survey of LLM based Reasoning Strategies 在我们开发Agent的项目的时候，需要 更好的LLM reasoning的能力，以获得更高的任务完成准确率。 那么有哪些方法可以增强LLM的reasoning能力呢？ 沿着之前我分享的Testing time scaling的轨迹，这篇论文的部分内容对于增强Large Reasoning Model的策略非常有参考价值： 反馈引导优化（Feedback Guided Improvement） 步骤反馈（Step-Feedback, SF）：逐步评分，仅保留最佳路径（如Beam Search/MCTS） 结果反馈（Outcome-Feedback, OF）：生成多条结果整体评分，择优输出 计算资源扩展（Scaling Test-Time Computation） 提高单词级计算（Scaling Token-Level Compute）：如best-of-N sampling 自反馈优化（Self-Feedback）：模型自我优化，无需再训练（非Self-Teaching）

预览

相关信息

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-14 04:26:54

「LLM, Reasoning」论文： (How) Do reasoning models reason? “真正的智能，是让模型在生成时就做出正确选择，而不是事后去验证哪个选项是对的。” 作者Subbarao Kambhampati，我不完全同意他，但我很喜欢他。2024年ACL Keynote，他批评当前对 Chain of Thought 的信仰如同宗教。——我们喜欢看到推理的样子，但并

向阳乔木

向阳乔木

2025-04-12 10:36:23

前几天AI圈朋友聚会，大家会介绍正在做什么AI项目。 有人说自己在做Agent，立马有人问：“针对人的，还是针对AI的？” 这提问水平和沟通档次，噌的一下就起来了！ 未来一定会出现大量给AI提供服务的Agent。 大量小额实时结算，真的有可能靠虚拟货币？ 但Agent间沟通、交易全黑盒，风险感觉相当高。

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-04 17:33:30

「LLM x RL」DeepSeek 最新论文：Inference-Time Scaling for Generalist Reward Modeling 在 RL 中，Reward Modeling（RM）是一个非常重要的部分。RM 主要用于对 LLM 的生成结果进行打分，从而调整 LLM 的 policy，使其更符合 RM 设定的要求，比如更强的 reasoning 能力。 针对特定任务（

勃勃OC

勃勃OC

2025-04-02 18:49:57

明天去见agent 卖掉房子走人 我们日本见

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-02 06:34:00

「LLM， Agent, RL的关系」 在LLM的语境下，Agent是能理解问题，自主进行推理（Reasoning），并采取行动的系统。你可以把它想象成一个非常聪明的助手，当你提出复杂问题时，它不会立即给出答案，而是会在内心进行推理和规划（Planning），再给出最终决定。 如果我们回顾prompt engineering中提高LLM Reasoning能力的方法，如Self-Consis

Jintao Zhang 张晋涛

Jintao Zhang 张晋涛

2025-03-31 20:29:02

这是什么意思呢？Anthropic 给自己的 API 加了个 OpenAI 的 API 兼容。这样就可以直接使用 OpenAI 的 SDK 了，以及在各类兼容 OpenAI API 接口的应用上来使用 Anthropic 的模型了。 原本还以为以后 LLM 的接口形式有两种，Anthropic 能硬扛压力，但这样看，以后应该就只有 OpenAI 这一种了

评论 0

相关信息

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-14 04:26:54

「LLM, Reasoning」论文： (How) Do reasoning models reason? “真正的智能，是让模型在生成时就做出正确选择，而不是事后去验证哪个选项是对的。” 作者Subbarao Kambhampati，我不完全同意他，但我很喜欢他。2024年ACL Keynote，他批评当前对 Chain of Thought 的信仰如同宗教。——我们喜欢看到推理的样子，但并

向阳乔木

向阳乔木

2025-04-12 10:36:23

前几天AI圈朋友聚会，大家会介绍正在做什么AI项目。 有人说自己在做Agent，立马有人问：“针对人的，还是针对AI的？” 这提问水平和沟通档次，噌的一下就起来了！ 未来一定会出现大量给AI提供服务的Agent。 大量小额实时结算，真的有可能靠虚拟货币？ 但Agent间沟通、交易全黑盒，风险感觉相当高。

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-04 17:33:30

「LLM x RL」DeepSeek 最新论文：Inference-Time Scaling for Generalist Reward Modeling 在 RL 中，Reward Modeling（RM）是一个非常重要的部分。RM 主要用于对 LLM 的生成结果进行打分，从而调整 LLM 的 policy，使其更符合 RM 设定的要求，比如更强的 reasoning 能力。 针对特定任务（

勃勃OC

勃勃OC

2025-04-02 18:49:57

明天去见agent 卖掉房子走人 我们日本见

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-02 06:34:00

「LLM， Agent, RL的关系」 在LLM的语境下，Agent是能理解问题，自主进行推理（Reasoning），并采取行动的系统。你可以把它想象成一个非常聪明的助手，当你提出复杂问题时，它不会立即给出答案，而是会在内心进行推理和规划（Planning），再给出最终决定。 如果我们回顾prompt engineering中提高LLM Reasoning能力的方法，如Self-Consis

Jintao Zhang 张晋涛

Jintao Zhang 张晋涛

2025-03-31 20:29:02

这是什么意思呢？Anthropic 给自己的 API 加了个 OpenAI 的 API 兼容。这样就可以直接使用 OpenAI 的 SDK 了，以及在各类兼容 OpenAI API 接口的应用上来使用 Anthropic 的模型了。 原本还以为以后 LLM 的接口形式有两种，Anthropic 能硬扛压力，但这样看，以后应该就只有 OpenAI 这一种了