mAceReason-Math是一个高质量的多语言数学问题数据集，支持强化学习与可验证奖励（RLVR）研究。该数据集包含来自AceReason-Math语料库的挑战性数学问题翻译，覆盖14种语言，每种语言超过10,000个样本，旨在提升多语言RLVR的研究和基准测试。

LightOn公司发布了LightOnOCR-2-1B模型，采用端到端视觉-语言架构，参数仅10亿，性能超过90亿参数模型，显著提升复杂文档处理效率，适用于多种应用场景。

AI Shortlist 是一个专注于人工智能的主题平台，提供最新的技术、应用和发展趋势，帮助用户了解AI的潜力与影响。

OpenAI前联合创始人Karpathy总结了2025年大语言模型的发展，提出软件3.0时代的概念，强调AI的智能形态与人类不同，并在某些领域展现极端能力。他指出AI训练方法的变化，RLVR的引入使AI能够自我验证和进化。Karpathy认为未来AI将更深入地融入各行业，成为强大工具。

在Databricks，我们通过可验证奖励的强化学习（RLVR）开发推理模型，解决客户问题并提升产品性能。在BIRD基准测试中，我们取得73.5%的新高，证明了RLVR的有效性和易用性，帮助用户更好地与数据互动。

研究表明，强化学习与可验证奖励（RLVR）并未提升大型语言模型（LLMs）的推理能力，而是优化了其采样行为。尽管RLVR训练的模型在单次回答中表现更佳，但在多次尝试中，基础模型的成功率更高。这表明RLVR并未创造新的推理模式，而是提高了已有推理路径的效率。