这是本周的仪式研究摘要，一份涵盖LLM世界和加密与AI交集最新动态的通讯。 每周有数百篇论文发表，跟上最新动态几乎是不可能的。我们为您阅读，所以您无需这样做。

RefineBench：通过检查表评估语言模型的精炼能力 本文介绍了RefineBench，这是一个评估语言模型在各种场景下精炼能力的基准。它结合了自由形式和基于准确性的任务。

它涵盖了人文学科、社会科学、法律和STEM领域的11个领域。这通过两种方式进行评估：自我优化和指导优化。在自我优化的环境中，即使是前沿的语言模型得分也相对较低，而指导优化则非常有效。

ThetaEvolve：开放问题上的测试时学习 本文提出了一个开源管道，用于解决具有挑战性的问题。他们展示了DeepSeek-R1-0528-Qwen3-8B改善了在AlphaEvolve中考虑的一些开放问题的最佳已知界限。

在ThetaEvolve上，RL的表现优于仅进行推理的运行，涵盖了2个开源模型和4个具有挑战性的问题。他们表明，该模型获得了非平凡的能力，体现在更好的得分和更快的进展上。这一改进甚至可以转移到其他任务上。

RL后训练如何促进技能组合？以倒计时为例 本文探讨了RL如何帮助模型通过倒计时学习组合技能。他们解开了长度和组合泛化的关系。

他们发现： 1）模型能够推广到更大的难题规模 2）模式结构决定了难度 3）模型能够推广到未见过的模式 最终表明，RL后训练有助于长度推广和部分组合推广

DeepSeek-V3.2：推动开放大型语言模型的前沿 本文介绍了DS-V3.2，它结合了Deepseek稀疏注意力，以降低计算复杂性，同时在长上下文场景中保持性能。

对于RL后训练，他们采用专业蒸馏（根据领域专家模型对数据进行蒸馏以训练最终检查点）和混合RL训练（在一个阶段合并推理、代理和人类对齐）。 他们使用DSmath-V2训练一个特殊模型，在国际数学奥林匹克（IMO）中获得金牌。

关注我们 @ritualdigest，获取更多关于加密货币与 AI 研究的内容， 以及 @ritualnet，了解 Ritual 正在构建的内容。