AI推理

Together AI深度解析不同级别服务可用性的实际含义，帮助企业评估推理服务商的可靠性承诺。

针对生产环境微服务故障根因分析难题，研究者提出结构化多智能体RCA流程，在OpenRCA数据集上显著超越传统因果发现与现有大模型方法，并揭示推理能力是当前主要瓶颈。

硅基流动发布招股书，揭示AI推理时代Token工厂的商业模式并非稳赚不赔。

研究团队探索基于大语言模型的多智能体法律推理框架，模拟法庭辩论与法律论证，在复杂法律任务中展现出独特优势。

NVIDIA发布其推理软件栈，通过软硬件协同设计，帮助企业在AI工厂化部署中实现最低的每Token成本，平衡性能、功耗和延迟。

谷歌一位专注于推理能力开发的AI研究员离职加入Meta，该研究员当年由李飞飞亲自招募，在AI推理领域颇有建树。

Together AI发布最新基础研究成果，聚焦AI从研究走向生产过程中的核心挑战——如何实现高效、可靠的大规模模型推理。

Google DeepMind发布新研究项目ReasoningBank，旨在让AI智能体通过积累和复用经验来提升复杂推理能力。

通义千问团队提出QVQ模型，尝试将视觉理解能力融入大语言模型，以提升AI的认知与推理能力。该模型已在多个开源平台发布。

最新研究通过建立闭环动态系统模型，揭示了多智能体大语言模型在讨论过程中存在的“隐藏锚点”机制，解释了为何智能体能够突破初始观点形成的共识边界。