研究：AI 在记账任务上速度与准确率超过持证会计师，但仍无法独立完成结账
Mercor 让 12 名平均从业五年半的持证 CPA 与 AI 模型完成 APEX Accounting Benchmark 的简化任务，18 个月前最好的模型得分还低于会计师约 37% 的平均水平，如今已近乎全对。
#大模型
#大模型
今日 0 条The DecoderAI 评分3939
Berkeley AI Research (BAIR)精选AI 评分6262 BAIR 提出 ABBEL：用自然语言信念状态实现高效长程交互
BAIR 提出 ABBEL 框架，将递归摘要的内容隔离为自然语言信念状态并周期性更新，使智能体仅以当前信念作为工作上下文。在 CollabBench 协作编码任务中，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也低于全上下文设置。
推荐理由：该框架将摘要内容隔离为自然语言信念状态并加以监督，在协作编码任务中把与全上下文模型的差距缩小约一半。
Berkeley AI Research (BAIR)精选AI 评分6262 BAIR 综述自适应并行推理：从固定并行到模型自主控制流
BAIR 发布综述文章，系统梳理自适应并行推理（APR）这一范式，即让模型在推理时自行决定何时并行、开启多少线程以及如何协调。文章对比了 Multiverse、ThreadWeaver、Parallel-R1、NPR 等方法，指出 APR 相比 BoN 可避免冗余计算、相比 Tree-of-Thoughts 无需领域特定分解启发式，并给出以关键路径占比为核心的并行化奖励设计。
推荐理由：系统梳理自适应并行推理的推理系统设计与训练奖励方案，对比 Multiverse 与 ThreadWeaver 在 KV cache 聚合上的取舍。
Berkeley AI Research (BAIR)精选AI 评分7171 BAIR 提出 SPEX 与 ProxySPEX，将 LLM 交互归因扩展到数千组件
BAIR 发布 SPEX 与 ProxySPEX 算法，利用稀疏性与低阶性将交互发现重构为稀疏恢复问题，用于特征、数据与模型组件归因。ProxySPEX 借助层级结构以约 10 倍更少的消融次数达到 SPEX 同等效果，在 MMLU 高中美国历史任务上其剪枝策略还能提升目标任务表现。
推荐理由：SPEX 与 ProxySPEX 将交互归因从数十个组件扩展到数千个，ProxySPEX 以约 10 倍更少消融达到同等效果，代码已并入 SHAP-IQ。