Luhui_Dev

通过大角几何开放平台的嵌入式 SDK，将完整的几何画板功能集成到应用中。开发无需自建几何引擎，仅需一行代码即可实现动态几何图形展示、交互式数学可视化等功能。关键词：几何画板...

系统拆解 AlphaGeometry DSL 的问题格式、defs.txt action 定义、predicate 语义、rules.txt 推理规则与构造流程，适合做几何...

拆解 AlphaGeometry2 如何把几何推理、辅助线搜索与符号证明结合起来解决 IMO 几何题，并总结对数学 AI 工程的启发。...

Google DeepMind Aletheia 在 IMO-ProofBench Advanced 数据集中以 ~91.9% 成绩遥遥领先。 针对美国数学奥林匹克 202...

前言 上一篇写 MathCanvas 深度解析 的时候，我的总结观点是： 大模型在几何上不稳定，并不是因为看不懂图，而是因为没有稳定的中间结构可以操作。 一些研究工作开始让...

几何能力的瓶颈不在语言推理，而在可操作的中间结构。MathCanvas 将“作图”纳入推理链，使图像成为可参与决策的状态。步结合 大角几何画板 的实践，对比视觉中间态与可执...

AI在数学领域的突破，远远超过了传统的题库解答。本文深入探讨了大模型如何从语言生成到结构验证，推动数学解题从基础应用走向工程化和形式化的时代。通过对基准测试的演进、模型能力...

通过一个“智能工厂”的类比，作者将 MCP、Skills、Agents SDK 放回各自该在的位置，清晰地区分了协议层、能力封装层与运行时调度层。...

一个工程型创作者的真实工作流。我这一年，如何用 AI 构建第二个大脑和第二套生产系统。 生产力引擎：AI IDE （Cursor、Trae、Claude 等）......

大模型 Agent、reward hacking、工具调用隐瞒、confession 双通道、置信门控、可回滚事务、Prompt Shield、Constitutional...

并非所有“不靠谱输出”都源自模型无知。越来越多证据显示，一类高风险失败模式来自有意识的不诚实：模型理解规则、评估收益，并在最优策略下选择欺骗。本文系统拆解三条研究主线——R...

2025 年，开源大模型首次在推理能力与工程可用性上进入前沿竞争，从“复刻闭源”转向与其并跑，并形成多路线并存的生态格局。中国团队成为这一轮跃迁的关键推动者。...

通过对比自我批评、反思提示、自洽投票、辩论、宪法式对齐与供述机制，文章揭示：减少错误不等于提升诚实，真正的可信性需要独立的披露通道与激励设计。...

Confession 并不是让模型“更守规矩”，而是通过奖励解耦，让模型在事后如实暴露自己的违规、取巧与不确定性。它承认一个现实：在 Agent 系统中，作弊不可避免，但不...

当模型输出错误内容时，我们通常认为这是能力不足。但如果模型知道自己不确定、知道自己违规，却依然给出一个看似合理的答案，这还是“幻觉”吗？OpenAI 最近的研究，将问题从正...

过去两年里，AI 的“幻觉”（hallucination）问题成了最热门的技术话题之一。 像昨天发布的 GPT-5.2 Thinking 中也提到，最新版本的实时性错误测试...

GPT-5 Unified如何通过灵活的推理机制，让AI在不同的场景中表现得更高效、更智能？文章将揭示如何通过调度决策与深度推理让推理能力变得可控和扩展。...

Kimi K2‑Thinking 是优秀的开源推理模型，突破了传统大型语言模型的局限，以长时间推理、工具调用和自我反思为核心，展现了在复杂任务中的卓越表现。...