搜索“推理”

题与DeepSeek-V4采用的一项长上下文优化技术有关—— 分块KV Cache压缩 。 这项技术本来是为了让模型处理长文本更省内存、更高效。 结果压缩之后，倒让模型时神时鬼了（doge）。 字节Seed研究人员最开始是拿DeepSeek自己的代码做了个实验。 测试对象是 DeepSeek-V4-Flash-Base 。 他们从DeepSeek-V4的官方推理代码中截取了一段FP8量化函数，让模型补全最后一个Token。 任务的正确答案应该是8，因为这段代码需要完成FP8相关的类型转换。 但模型有时偏偏觉得应该补成32。 为了搞清到底咋回事，研究人员在代码前面加了一段纯装饰性的文档字符串，里面放着一些重复的等号。 然后，他们开始调整等号的数量。 代码本身没改、要补全的位置没改、正确答案当然也没改……唯一的变化，就是前面多了这几个没什么实际意义的Token。 结果，DeepSeek的答案开始反复横跳。 当填充长度落在某些位置时，模型更倾向于回答错误的32。 更具体地说，在论文测试的16种填充长度中，当长度模4的余数为0或1时，模型倾向于错误答案32；余数为2或3时，则倾向于正确答案8。

匹配字段正文

不同的世界中各运行了四轮演练： 这些跨度极大的任务说明了同一件事：这套经验沉淀闭环，换到截然不同的世界里同样跑得通。 要让智能体在虚拟世界里“边看边行动”，神经渲染器必须攻克长期困扰生成式视频的三座大山： 跟得上突发动作、稳得住超长交互、还要跑得足够快 。 MirroS团队从基础全模态模型出发，提出了 Adversarial Forcing 训练方法，再配合推理优化，打通了这套视觉通道： 1、从整段离线生成，到流式逐块渲染 以往视频模型习惯一次性生成整段视频，AgentGarten把它改造成流式逐块生成。智能体做一个动作，模型立即产出对应的短块画面，看清结果再做下一步决策。 2、长程交互不漂移（精确重放） 连续生成越久，微小误差越容易累积成外观漂移。很多模型为了节省显存切断了历史计算图，梯度无法回传到历史记忆；若在第二遍对全序列统一重算，底层执行顺序的微小差异又会带来数个百分点的误差。 团队设计了精确重放机制：第一遍无梯度前向展开，第二遍按完全一致的逐块节奏带梯度重新执行，精确复现了推演轨迹，稳住了长序列交互的时序一致性。 3、引入真实视频对抗：避免画面退化与伪影 仅靠模型自身生成样本

匹配字段正文

、调整训练范式 ，这些看似朴素的工程方法， 仍然有机会带来可观的模型性能提升。 预测能泛化，行动也能泛化，是VPP2作为世界动作模型WAM，最值得关注的核心突破。 但真实任务往往更加复杂。机器人不仅要知道怎么做，还得判断先做什么、后做什么。 这就需要更高层的认知与规划能力参与进来。 星动纪元这里贡献了一个思路： GPT负责想，VPP2负责做。 前者负责理解、推理和规划，把复杂任务拆解成明确步骤；后者负责预测物理世界如何变化，再将规划转化为具体动作。 这一思路，在VPP2论文中已经有了初步的实验支撑。 团队实际采用的是VLM高层规划器，由其负责语义理解、记忆和任务拆解，再将明确的子任务交给VPP2执行。 结果相当直观。在RoboDojo选定的长程任务测试中， 引入VLM子任务规划后 ，平均成功率从27.6%提升至 57.6% 。 这意味着，机器人要完成复杂任务，光有强大的动作能力还不够。高层规划与底层执行能否配合，同样影响任务完成效果。 顺着这条思路往后看， GPT＋VPP2 有望形成一种 新的物理AI技术范式 ：通用认知＋通用物理执行。 GPT等通用模型负责理解意图、推理和规划，VPP

匹配字段正文

，他们的数学和科学成绩跌幅甚至更大，分别比低频使用AI的学生低了20.30分和19.07分。 “很多家长和学生以为，用AI总结文章只是在语文阅读上偷了个懒，却没意识到这直接拖累了数学和科学。”徐瑾劼打了个比方，阅读并不只是在认字，它是在训练大脑怎么筛选信息、理清逻辑、把零散的内容拼成完整的结构。“读懂复杂的数学应用题情境、提取隐藏条件，或者在科学实验里做证据推理，靠的都是这种阅读能力。如果连这个理清逻辑的地基都全包给AI去建了，理科怎么可能学得好？” 学霸反而更容易掉进“AI陷阱” 原本基础好、成绩高的“学霸”，反而更容易在频繁使用AI中受到伤害。 数据模型显示，在阅读学习中，随着AI使用强度的提高，成绩加速下滑的风险恰恰集中在阅读成绩排名前25%的高水平学生身上。 徐瑾劼解释，这在教育心理学里叫做“专长反转”。对于初学者来说，AI给出的提示可能是一根好用的拐杖，但对于原本阅读能力就很强的孩子来说，情况就完全变了。“他们原本的大脑可以进行深度思考，能够跨文本去对比、去批判。如果他们也习惯了用AI去初步研究新课题或者概括文本，就等于用算法生成的平庸摘要，替代了自己高阶思维的训练。缺少了大

匹配字段正文

企业对聊天机器人、通用智能体以及编程智能体的部署。 即便如此，多数企业并未因此放缓投入。28%的受访者表示，其所在公司在AI方面的支出已超过整体IT预算的10%；而60%的受访者预计未来一年将加大AI投资，尤其以制药与医疗产品、保险、银行与其他金融机构等行业最为明显。AI使用的成本之所以受到广泛关注，原因在于：尽管 Token单价持续下滑，但智能体开发与复杂推理任务的消耗量一直在大幅上升。模型越强大，就越需要严密追踪运行成本。相比之下，聊天机器人等较为通用的横向工具，已被视作类似办公软件的常规运营支出。领先企业的经验表明：运营成本应当前置为项目启动阶段的设计约束，而不是事后才处理的问题。这既是一项财务纪律，也是实现规模化的前提。 03 个人生产力显著提升，企业整体回报仍待验证 高达八成的受访者表示， AI提升了个人的生产力；约半数受访者认为 AI帮助他们培养了新技能，或者做出了更好的决策。这些积极影响在不同职级间普遍存在，但员工的实际体验并非全然正面：中层管理者和基层员工因 AI而感到工作压力的比例分别为47%和 31%，远高于高管群体。 与此同时，企业层面的财务回报尚未同步显现。仅3

匹配字段正文

的观念。 游客太多 交警太忙？机器人来帮忙！ To view this video please enable JavaScript, and consider upgrading to a web browser that supports HTML5 video 在2025年的一项研究中，托马拉及其同事发现，如果人们知道，某些观点来自人工智能而非他人，往往会更愿意接受这些观点。这表明，聊天机器人或许能让人们更乐于接受那些，如果由政治对手提出便可能被拒之门外的观点，从而有望缓解社会极化现象。 迪亚斯建议，开发者还应测试，模型在面对不同政治身份的用户时，是否采用了统一的推理标准。 开发者应该训练模型以尊重的态度，表达异议、承认不确定性、纠正缺乏依据的说法，公正地呈现各种对立观点，这并不意味着，将所有回答都强行指向政治中间立场。 迪亚斯说，“更宏观的设计目标，应当是帮助人们审视自己的信念，即让证据、不确定性以及各种相互抗衡的考量因素，变得清晰可见，同时也为合理的政治分歧留出空间。” DW中文有Instagram！欢迎搜寻dw.chinese，看更多深入浅出的图文与影音报道。 您的意见反馈

匹配字段正文

的能力持续增强，应用场景覆盖工业生产、医疗手术、生活服务等多个领域。2026年上半年我国人形机器人整机产品超400款，预计全年整机产量将突破10万台。 《报告》显示，我国已构建起全球领先的人工智能产业生态，政策端立体护航、技术端全栈突破、融资端量质齐升。 一是政策体系持续完善。我国生成式人工智能顶层设计持续完善，政策重心从“技术攻关”转向“场景落地”与“规范治理”并重。以《国务院关于深入实施“人工智能+”行动的意见》为总牵引，多部委协同发力，密集出台了一系列配套政策，构建起覆盖宏观战略、行业应用、基础设施与国际合作的立体化政策矩阵。 二是关键技术实现突破。我国人工智能相关底层算力供给持续优化，国产人工智能芯片与算力集群加速突破；核心算法架构加速迭代，模型推理能力与效率大幅提升；开源生态蓬勃发展，以DeepSeek、千问为代表的中国开源模型的影响力逐步提升。 三是融资规模屡创新高。数据显示，2026年上半年我国发生1255起与人工智能相关的投融资事件，已达到2025年全年的78.0%；合计金额约2501.4亿元，已达到2025年全年的182.0%。 来源：中国互联网络信息中心 CNNIC

匹配字段正文

的能力持续增强，应用场景覆盖工业生产、医疗手术、生活服务等多个领域。2026年上半年我国人形机器人整机产品超400款，预计全年整机产量将突破10万台。 《报告》显示，我国已构建起全球领先的人工智能产业生态，政策端立体护航、技术端全栈突破、融资端量质齐升。 一是政策体系持续完善。我国生成式人工智能顶层设计持续完善，政策重心从“技术攻关”转向“场景落地”与“规范治理”并重。以《国务院关于深入实施“人工智能+”行动的意见》为总牵引，多部委协同发力，密集出台了一系列配套政策，构建起覆盖宏观战略、行业应用、基础设施与国际合作的立体化政策矩阵。 二是关键技术实现突破。我国人工智能相关底层算力供给持续优化，国产人工智能芯片与算力集群加速突破；核心算法架构加速迭代，模型推理能力与效率大幅提升；开源生态蓬勃发展，以DeepSeek、千问为代表的中国开源模型的影响力逐步提升。 三是融资规模屡创新高。数据显示，2026年上半年我国发生1255起与人工智能相关的投融资事件，已达到2025年全年的78.0%；合计金额约2501.4亿元，已达到2025年全年的182.0%。 来源：中国互联网络信息中心 CNNIC

匹配字段正文

%），紧随其后的是解释（20%）、教学材料（11%）和学术论文（6%）。相比之下——也并不意外——只有6%的个人对话会产生文档。相反，最常见的结果是解释（25%）和建议（22%）。 成本与工作的价值相对应 生成这些输出需要算力，而我们发现算力往往随工作的价值而扩展。我们以 token 衡量每段对话的计算成本——即处理与生成的文本量，包括 Claude 的内部推理——并通过将每段对话分类后的任务映射到通常执行该任务的职业，在不同职业之间进行比较。在本节中，我们将分析范围限定为与工作相关的对话。 图2.3左侧面板显示了映射职业中对话级token数量的中位数与工资中位数之间的正相关关系。10 例如，营销经理的收入大约是编辑的两倍（每小时80美元对37美元），而映射到其任务的对话消耗的token数量约为后者的2.5倍。诚然，这种关系并不精确，且存在明显的离群值。例如，药剂师的收入几乎是统计助理的三倍（每小时68美元对24美元），但映射到药剂师任务的对话所使用的token数量仅约为后者的二十分之一。 高工资职业的对话消耗更多 token左图：某一职业的工资中位数与该职业所属某一任务的对话中典型（

匹配字段正文