Google Research 最新发布「SLEEP」:给大模型加一段「离线巩固记忆」的周期,减轻灾难性遗忘 SLEEP 想解决的是:模型上线后知识基本冻结,硬调参容易灾难性遗忘,只靠上下文学习又出...
Google Research 提出 SLEEP 方法,通过离线巩固记忆周期减轻大模型灾难性遗忘,实验显示在多语言翻译和数学推理任务中表现优于基线。
入选理由:SLEEP 方法在持续翻译任务中几乎零掉点,优于 ICL 和 SFT 基线
概念
别名:美国数学邀请赛
数学推理基准测试,用于评估模型能力
已跟踪 3 条高相关材料
最近变化
2026-10-29 · SLEEP 方法在持续翻译任务中几乎零掉点,优于 ICL 和 SFT 基线
为什么值得关注
AIME 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Google Research 最新发布「SLEEP」:给大模型加一段「离线巩固记忆」的周期,减轻灾难性遗忘 SLEEP 想解决的是:模型上线后知识基本冻结,硬调参容易灾难性遗忘,只靠上下文学习又出...
meng shao(@shao__meng) · 8.5 分
Google Research 提出 SLEEP 方法,通过离线巩固记忆周期减轻大模型灾难性遗忘,实验显示在多语言翻译和数学推理任务中表现优于基线。
GLM 5.2 is live on Fireworks, day zero. 1M-token context, coding‑first frontier model, independently...
Fireworks AI(@FireworksAI_HQ) · 8.5 分
Fireworks AI 已上线 GLM 5.2 模型,支持 1M-token 上下文,专注于代码生成,并在多个基准测试中表现优异。
本周 HuggingFace 热度第一的论文:RecursiveMAS(递归多Agent系统) 多个 AI 组队协作,现在已经是主流方案。 模型 A 想好了传给模型 B,模型 B 想好了传给模型 ...
向阳乔木(@vista8) · 7.8 分
RecursiveMAS 提出 Agent 间直接传递内部向量而非文本,减少 token 翻译开销,在数学推理任务上提升 13–18 个百分点,推理快 2.4×,Token 节省 75%。
已收录 3 条与 AIME 相关的内容,按评分排序。
Google Research 提出 SLEEP 方法,通过离线巩固记忆周期减轻大模型灾难性遗忘,实验显示在多语言翻译和数学推理任务中表现优于基线。
入选理由:SLEEP 方法在持续翻译任务中几乎零掉点,优于 ICL 和 SFT 基线
Fireworks AI 已上线 GLM 5.2 模型,支持 1M-token 上下文,专注于代码生成,并在多个基准测试中表现优异。
入选理由:GLM 5.2 支持 1M-token 上下文,适用于复杂任务。
RecursiveMAS 提出 Agent 间直接传递内部向量而非文本,减少 token 翻译开销,在数学推理任务上提升 13–18 个百分点,推理快 2.4×,Token 节省 75%。
入选理由:Agent 协作中文字中转导致严重信息损失与计算冗余