AI前沿：从控制思考长度到大模型的贝叶斯化
本期“TAI快报”探讨了五篇AI前沿研究，揭示了AI如何在思考时间、决策推理和学习能力上取得突破。
Controlling How Long A Reasoning Model Thinks With Reinforcement Learning 通过强化学习控制AI推理长度，L1模型不仅灵活调整思考时间，还在短推理中超越大模型，展现了效率与性能的平衡潜力。
TRACT: Regression-Aware Fine-tuning Meets Chain-of-Thought Reasoning for LLM-as-a-Judge 提出两阶段微调法，让AI评分更精准，结合推理过程解释分数，为自动评估任务带来新可能。
Not-Just-Scaling Laws: Towards a Better Understanding of the Downstream Impact of Language Model Design Decisions 分析92个模型，揭示数据组成和架构设计对AI表现的深远影响，挑战“越大越好”的传统观念。
Mixed Likelihood Variational Gaussian Processes 通过融合人类反馈和知识提升AI学习效率，在人机交互中展现广泛应用前景。
Enough Coin Flips Can Make LLMs Act Bayesian…
The skinny
The skinny isn't ready yet — notes appear once the transcript is processed.