直接优化pass@k的思维剪枝平衡推理质量与多样性
新论文提出以pass@k为目标的思维剪枝：先生成短前缀，再选择最可能至少有一条续写正确的候选池，从而同时奖励高质量并惩罚冗余。该方法在八个开源权重推理模型上优于现有质量型与多样性型剪枝，中等保留规模时优势更明显。具体价格、参数与国内可用性未知。
要点
- 剪枝发生在短前缀阶段，只让幸存候选继续完整生成，以降低测试时计算量。
- 优化目标是最大化池中至少一条路径最终答对的概率，因此质量与去冗余由同一准则平衡。
- 摘要称该方法在八个开源权重推理模型上超过两类既有剪枝，中等保留数量时增益更突出。
为什么值得看
测试时扩展常生成大量候选解，全部跑完计算成本高；现有剪枝分质量优先与多样性优先两类，却很少直接处理二者权衡。新方法以候选池的pass@k为目标，选择更可能至少产出一个正确答案的短前缀集合。
谁会受影响
面向研究或部署开源权重推理模型、需要在测试时采样多条思路并控制续写成本的研究者与工程团队。
今天就能怎么试
目前仅见论文摘要，未见可直接调用的产品、代码发布或价格。可查阅该论文了解方法；国内可用性、实现参数未知，本条未实测。
原始来源
1Direct Pass@$k$ Optimization for Thought Pruning: Balancing Quality and Diversity in Test-Time Reasoning · arXiv cs.AI · 2026年10月23日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。