无需数据标注！测试时强化学习，模型数学能力暴增159%！ 清华和上海AI Lab周伯文团队提出一种新方法：测试时强化学习（TTRL），无需数据标注，仅靠模型自身生成数据即可显著提升数学能力。以Qwen-2.5-Math-7B为例，在AIME 2024竞赛题中的准确率从16.7%提升至43.3%，增幅...

谷歌发布最强模型Gemini 2.5 Pro，推理能力大幅提升，在多项基准测试中达到SOTA水平，创下史上最大分数飞跃纪录，领先Grok-3/GPT-4.5达40分。该模型在数学、编程、创意写作等领域均夺魁，并在视觉和网页开发竞技场中表现优异。Gemini 2.5 Pro支持100万token上下文窗口，未来将升级至200万。目前已在Google AI Studio和Gemini应用中对高级用户开放，预计很快登陆Vertex AI。定价方案将在未来几周公布。网友实测显示其解决问题效率极高。

标题：打脸！GPT-4o输出长度8k都勉强，陈丹琦团队新基准测试：所有模型输出都低于标称长度 奇月 发自 凹非寺量子位 | 公众号 QbitAI 很多大模型宣称能输出长达32K tokens，但实际如何？陈丹琦团队提出的新基准测试工具LONGPROC，检测长上下文模型处理复杂信息并生成回复的能力。实...

标题：谷歌揭示关键机制，方法更简单、成本更低 小交 发自 凹非寺 量子位 | 公众号 QbitAI o1/o3技术带动的推理计算Scaling，谷歌早在8月就讨论过。斯坦福、牛津及谷歌DeepMind团队提出通过重复采样提升推理计算量，最多提高40%性能。例如，DeepSeek-Coder通过重复采...