跨模型复用 KV 缓存:ridge 回归换掉 7 秒 prefill
NVIDIA 新论文:同家族模型的 KV 缓存之间关系近似线性,一个闭式最小二乘就能换算,比重算快 2.7~25 倍。但六对模型里两对失败——决定成败的不是误差多大,而是误差落在注意力读不读的方向上。
标签
evaluation 4
SWE-bench Verified 里有 13.6% 的错题：题面与答案不符
人工重读全部 500 道题，68 道的题面与标准答案不对应。剔掉它们重排，131 个智能体里 64.1% 名次改变。
OpenAI 的十个数学结果：Lean 证书查得通，谁审的那一栏写着 agent
十份 Lean 证书、零个 sorry、三条标准公理，还配了对抗式复核工具。分水岭不在证明对不对，而在 formalization.yaml 里 review.status 写的是 agent-reviewed。
自省不如重复采样：等 token 成本下 7 种推理方法的 36 组对照
七种「让模型想得更好」的方法，在等 token 预算下和重复采样逐题配对：36 组对照零胜十负，输的全是自省类。