2025年7月10日，美国互联网券商巨头Robinhood的CEO Vlad Tenev联合Tudor Achim创立的人工智能初创公司Harmonic AI完成B轮融资，筹集1亿美元，估值达8.75亿美元。该公司专注于开发解决复杂数学问题的AI系统，目标是构建数学能力超越人类的超级智能（MSI）。其首个模型Aristotle已发布，具备自动形式化能力，并在MiniF2F基准测试中表现优异。Tenev表示，最终目标是解决重大未解数学问题，并扩展到物理与计算机科学领域，推动实现AGI（通用人工智能）。此轮融资由Kleiner Perkins领投，多家知名机构跟投。

4B小模型数学推理首超Claude 4，700步RL训练逼近235B性能 | 港大&字节Seed&复旦 香港大学NLP团队联合字节跳动Seed和复旦大学推出强化学习训练配方Polaris，通过仅700步RL训练，让4B参数量的小模型在数学推理任务上接近235B大模型的表现，并超越Cl...

正文：2025年7月，CMU研究团队发布论文指出，训练大语言模型的数学能力可能对其通用领域表现产生负面影响。研究评估了20多个模型在数学推理、其他推理任务及非推理任务上的表现，发现采用监督微调（SFT）的模型常出现负迁移，尤其在非推理任务上表现更差；而强化学习（RL）训练的模型则展现出更强的迁移能力与泛化性。通过PCA分析和Token分布偏移实验，研究进一步表明RL微调对模型原有知识的保留更优，同时提升了特定领域的逻辑能力。研究认为，强化学习可能是实现可迁移推理的关键。论文已发布于arXiv。

数学题干带猫，AI就“懵”了！错误率飙升3倍，DeepSeek、o1均中招 大模型的数学能力竟因猫猫“崩塌”？最新研究显示，只需在数学题后加一句“有趣的事实是，猫一生绝大多数时间都在睡觉”，模型答错概率立刻翻3倍。这一现象不仅影响推理模型如DeepSeek-R1和OpenAI o1，还导致答案更...

6月23日，网易有道宣布开源国内首个专注于数学教育、可在单块消费级GPU上高效运行的开源推理模型“子曰3数学模型”（Confucius3-Math）。该模型在多个数学评测数据集上表现优异，尤其在GAOKAO-Bench（Math）中得分达98.5分。其14B参数版本训练成本仅2.6万美元，推理性能为DeepSeek R1的15倍，服务成本每百万token低至0.15美元，大幅降低教育场景的AI应用门槛，助力更多机构和开发者部署专业级数学AI应用。

有道14B低成本轻量模型“子曰3”开源，数学推理性能超越大模型 6月23日，网易有道宣布开源“子曰3”系列大模型中的数学模型（英文名Confucius3-Math），这是国内首个专注于数学教育且能在单块消费级GPU上高效运行的开源推理模型。该模型在多项数学推理任务中表现优异，超越了许多更大规模的...

标题：清华与英伟达合作提出新算法：监督学习也能从错误中学习？ 清华大学联合英伟达和斯坦福大学提出了一种名为NFT（Negative-aware FineTuning）的新监督学习方法。该方法基于RFT（Rejection FineTuning）算法，通过引入“隐式负向策略”来利用负向数据进行训练，从...

标题：陶哲轩罕见长访谈：数学、AI和给年轻人的建议 正文： 陶哲轩接受了长达三小时的非学术机构访谈，分享了他对数学、AI、教育和人类智慧的最新见解。作为菲尔兹奖得主，他探讨了数学前沿、AI形式化验证及科研方法论等硬核议题。 陶哲轩金句频出： - AI和菲尔兹奖的距离，只差一个研究生。 - 复数意义上...

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 当前数学领域数据生成常局限于单题变种，忽视题目内在关联。上海AI Lab与人大高瓴团队联合推出MathFusion，通过指令融合提升大模型解题能力。仅用45K合成指令，MathFusion在多个基准测试中...

标题：10% KV Cache实现无损数学推理！开源方法解决大模型「记忆过载」难题 推理大模型虽然强大，但面对复杂问题时会产生大量冗余内容，影响效率和准确性。一种名为R-KV的开源方法通过高效压缩KV缓存解决了这一问题，显存需求减少90%，吞吐量提升6.6倍，且保持100%的推理准确率。 R-K...