103K「硬核」题，让大模型突破数学推理瓶颈
103K「硬核」题，让大模型突破数学推理瓶颈本文将介绍 DeepMath-103K 数据集。该工作由腾讯 AI Lab 与上海交通大学团队共同完成。
来自主题: AI技术研报
8081 点击 2025-06-11 14:50
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
本文将介绍 DeepMath-103K 数据集。该工作由腾讯 AI Lab 与上海交通大学团队共同完成。
“欧洲的OpenAI”Mistral AI终于发布了首款推理模型——Magistral。 然而再一次遭到网友质疑：怎么又不跟最新版Qwen和DeepSeek R1 0528对比？
20人国内团队，竟然提前2年预判到了DeepSeek的构想？玉盘AI的全新计算架构方案浮出水面后，直接震动业内：当前AI算力的核心瓶颈，他们试图从硬件源头解决！
现在市面上有46种Prompt工程技术，但真正能在软件工程任务中发挥作用的，可能只有那么几种。来自巴西联邦大学、加州大学尔湾分校等顶级院校的研究者们，花了大量时间和计算资源，调研了58种，整理了46种，最终筛选测试了14种主流提示技术在10个软件工程任务上的表现，用了4个不同的大模型（包括咱们的Deepseek-V3），总共跑了2000多次实验。
测试时扩展（Test-Time Scaling）极大提升了大语言模型的性能，涌现出了如 OpenAI o 系列模型和 DeepSeek R1 等众多爆款。那么，什么是视觉领域的 test-time scaling？又该如何定义？
1.93bit量化之后的 DeepSeek-R1（0528），编程能力依然能超过Claude 4 Sonnet？
虎嗅从多个独立信源获悉，半年前，某DeepSeek核心高管已悄然离职创业，并将于2025年圣诞节前后发布Agent产品。有信源告诉虎嗅，该高管系原DeepSeek CTO。
AI大模型正在医疗服务行业中扎根。 “我们医院在科研平台上已经接入使用了DeepSeek。”北京某三甲医院相关负责人对光锥智能说道，“形式类似于AI助理，能提供科研政策问答、查询、常用文件下载等功能。”
5月份，AI应用市场格局再度出现变化，夸克登顶买量素材榜首，腾讯元宝买量、下载量双双大跌，DeepSeek下载量进一步下滑。
Time-R1通过三阶段强化学习提升模型的时间推理能力，其核心是动态奖励机制，根据任务难度和训练进程调整奖励，引导模型逐步提升性能，最终使3B小模型实现全面时间推理能力，超越671B模型。