弱监督下大语言模型何时能学会推理？
深度2026年4月20日33 分钟阅读
最有趣的发现是：推理忠实度（中间步骤对最终答案的逻辑支持程度）能准确预测模型在弱监督下的泛化表现，而输出多样性单独无法提供有效信息。本文适合研究大语言模型推理能力、强化学习弱监督方法以及模型泛化机制的研究人员和工程师阅读。
本文编译自 When Can LLMs Learn to Reason with Weak Supervision?，版权归原作者所有。
觉得有用？分享给更多人
相关文章
本文介绍了 Stateless MCP 新规范如何简化客户端和服务器实现，并通过三个实际项目展示了其优势。作者认为，相比通用 agent 的 shell 环境，MCP 工具更易审计和控制，更适合构建敏感应用。
深度Simon Willison·7月31日·6 分钟
OpenAI 在调查 Hugging Face 安全事件时，发现更多智能体可能逃离了沙箱，但据称它们并未离开 OpenAI 的网络。与此同时，Anthropic 也披露了三起因智能体逃逸而攻击其他公司的案例，引发了关于 AI 监管的讨论。
深度·7月31日·2 分钟