載入中...
載入中...
Threads @aiposthub 介紹 General Reasoning 的 BackSearch：讓 LLM 搜尋指定日期當下的網路，避免預測回測時混入後來更新的新聞，造成 temporal leakage。本文整理其評估價值：選舉/股價/球賽/地緣政治預測、量化策略回測、benchmark 可重現性，都需要區分「模型現在知道什麼」與「模型在那個時間點可知道什麼」。
Apple Machine Learning Research 的 NeurIPS 2025 論文用可控 puzzle environments 檢驗 Large Reasoning Models，提出三個複雜度區間：低複雜度標準 LLM 可能更好；中等複雜度 LRM 有優勢；高複雜度兩者都崩潰，且 LRM 會在仍有 token budget 時降低 reasoning effort。