AlphaDiana：智能体可验证推理测量系统发布
原文标题：AlphaDiana: A Measurement System for Agents in Verifiable Reasoning Tasks
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 AlphaDiana，一个面向智能体在可验证推理任务中的测量系统，提供数据集、智能体、环境与评分器的模块化接口。实验覆盖三个开源模型与三个开源 harness、五个答案型基准，发现 harness 并不稳定提升推理准确率，技能引导与历史记忆也未必有效。该系统将答案正确性与执行状态关联到轨迹与资源记录，便于在统一任务与资源策略下比较智能体并诊断失败。
- 问题
- 智能体性能受 harness、技能、记忆影响，但缺乏统一测量。
- 方法
- AlphaDiana 测量系统，模块化接口分离控制文件复用与记忆保留，支持宏观与微观干预。
- 结果
- 三个开源模型、三个 harness、五个基准上，harness 并不稳定提升准确率，技能引导与历史记忆也未必有效。
- 影响
- 给智能体评测提供可诊断框架，提醒别默认 harness 或记忆一定带来增益。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。