งานวิจัย AI reasoning ใหม่เน้น graph-based และ benchmark อัตโนมัติ

มีเปเปอร์ใหม่หลายชุดจาก arXiv ที่พยายามแก้ปัญหาการ evaluate และปรับปรุง reasoning ของ LLM โดย Project Auto-World ใช้ LLM สร้าง benchmark ที่ยากขึ้นเองอัตโนมัติ ส่วนงานวิจัย quantization พบว่า INT4/INT3 ทำให้โมเดลคิดยาวขึ้น (token inflation) แม้ตอบถูก ซึ่งเพิ่มต้นทุนแอบแฝง งาน Tree-of-Thought วิเคราะห์ว่า search strategy ต่างๆ ทำงานอย่างไรเมื่อ compute budget เปลี่ยน และมีชุด benchmark ใหม่หลายตัวที่เน้น graph-structured reasoning เช่น GraphARC และ VAMPS ที่ทดสอบความสามารถในการใช้ visual/graph เป็นตัวช่วยคิด แนวโน้มชัดคือ reasoning research กำลังเลื่อนจาก chain-like ไปสู่ graph-based และเริ่มใช้ automation ในการสร้างโจทย์ทดสอบ