Mistral AI发布了Magistral模型系列，支持多步骤推理，适用于法律、金融和医疗等领域。该模型具备多语言输出，强调逻辑清晰和可追溯性。Magistral Medium在AIME 2024中表现出色，但用户对其性能与可用性的平衡存在分歧。目前的上下文限制为40K tokens，未来可能扩展。
DeepSeek近日发布了R1模型的小幅升级版DeepSeek-R1-0528，提升了推理能力，并在多个基准测试中超越了Qwen3-235B。在AIME 2024测试中表现出色，达到了最新的SOTA性能。同时推出了DeepSeek-R1-0528-Qwen3-8B，用户可通过HyperAI官网体验一键部署。
研究论文《DeepDistill》提出了一种新方法，通过构建大型分级推理数据集，显著提升大语言模型（LLM）的推理能力。研究发现，推理训练需要更高的学习率，最终在AIME2024基准测试中实现79.2%的通过率，接近最先进水平。
清华大学与上海AI实验室的研究表明，通过测试时强化学习（TTRL），模型的数学能力提升了159%。该方法无需数据标注，模型能够自生成训练数据，显著提高了多个数据集的准确率，尤其在AIME 2024竞赛中表现优异。
本研究提出了一种新方法TTRL，通过未标记数据对大规模语言模型进行强化学习训练，显著提升了模型性能，Qwen-2.5-Math-7B在AIME 2024上的通过率提高了约159%。
本研究提出VAPO框架，解决了价值基础强化学习在长链推理中的局限性，有效应对模型偏差、序列长度和奖励稀疏问题，在AIME 2024数据集上取得了60.4的最佳成绩。
中国人民大学与北京智源研究院联合开发的类R1推理模型STILL-3-Tool-32B在AIME 2024基准测试中取得81.70%准确率，超越DeepSeek-R1。研究表明外部工具能增强模型推理能力，并成功应用于Alaya NeW系统，推动AI技术发展。
微软研究院推出的rStar-Math算法使Qwen2.5 7B模型在数学推理上超越o1-preview。通过蒙特卡洛树搜索和自我进化，rStar-Math显著提高了模型的准确率，解决了53.3%的AIME 2024难题，成为顶尖数学模型之一。
完成下面两步后，将自动完成登录并继续当前操作。
