20250428-中邮证券-AI动态汇总_DeepSeek-R1带动思维链学_DeepMind推出QuestBench基准_26页_2mb

报告摘要

证券研究报告总结
（2025年4月28日）

AI重点要闻

DeepSeek-R1思维链分析
魁北克人工智能实验室联合多所高校，深入解析DeepSeek-R1的推理机制。研究发现其存在“推理甜点区”，即过多推理可能降低性能；模型容易陷入已探索方案，影响创新性；相较无推理能力版本，其安全风险更高，可能对LLM安全对齐构成挑战。训练流程分五阶段：基于DeepSeek-V3的强化学习（GRPO）训练、SFT冷启动、多阶段数据优化、安全训练微调等。推理步骤包括问题定义、绽放周期（拆解为子问题并生成中间答案）、重构周期（多轮调整思路）、最终决策。
DeepMind推出QuestBench基准
该基准通过约束满足问题（CSPs）框架，评估模型在推理任务中识别缺失信息的能力，尤其适用于现实场景中的不确定性问题。测试覆盖逻辑推理（Logic-Q）、规划（Planning-Q）及小学数学（GSM-Q/GSME-Q），采用零样本、思维链和四样本设置，对比GPT-4o、Claude35Sonnet等模型，揭示其推理策略与性能瓶颈。
英伟达发布Eagle-25和DAM-3B模型
- Eagle-25：专注长上下文多模态学习，参数规模仅8B，但在Video-MME基准测试中超越Qwen25-VL-72B等高参数模型，得分达724%。其训练策略包括信息优先采样（保留60%图像区域，减少失真）和渐进式后训练（扩展上下文窗口至128K token）。
- DAM-3B：解决传统VLM对特定区域描述的不足，支持用户通过点、边界框等指定目标区域，生成精准上下文描述。核心创新为“焦点提示”和局部视觉骨干网络，结合门控交叉注意力机制，实现全局与局部特征融合。DAM-3B-Video进一步扩展至视频领域，支持遮挡和动态场景描述。
国产大模型ViduQ1登顶视频生成榜
由生数科技推出，以VBench-10和VBench-20评测领先Sora、Runway等模型。其优势体现在视频生成逼真度、对象/场景精准性及内容真实性。价格仅为同级别模型的十分之一（1080p 5秒视频最低134元）。

企业动态

OpenAI轻量化深度研究工具
推出基于o4-mini模型的轻量版，面向ChatGPT Plus/Pro及免费用户，降低成本并提升使用限额。生成答案更简短但保持深度，用户超限后自动切换轻量版。
科大讯飞星火X1升级
定位为“全国产算力训练的深度推理大模型”，在数学、代码等任务上效果显著提升（参数规模仅为同类模型的十分之一），支持快慢思考统一模式及定制优化工具链，增强泛化能力与行业应用场景（如医疗、司法）。
昆仑万维开源SkyReels-V2
全球首个采用扩散强迫框架的无限时长电影生成模型，结合MLLM、多阶段预训练、RL和CFG调度器，实现高效长视频合成。通过多模态描述与结构化训练提升视频生成质量。

AI行业洞察

全球首个行动浏览器Fellou发布
新型浏览器集成了智能代理，具备深度行动（自主拆解任务）、主动智能（预测用户需求）、混合影子空间（非侵入式上下文获取）及智能体网络（AgentStore生态）四大核心能力，实现端到端任务交付。
Meta推出Token-Shuffle技术
针对自回归模型生成高分辨率图像的效率瓶颈，通过合并相邻视觉token（减少计算量）并引入CFG调度器优化文本-图像对齐，支持2048×2048分辨率生成，无需修改Transformer架构。

技术前沿

Claude价值观研究（Valuesinthewild）
Anthropic团队发现Claude3系列包含3000余种独特价值观，主要分为实用、认知、社会、保护和个性化五大类。研究通过隐私保护方法提取对话样本，分析AI与人类价值观的互动模式，发现其与用户需求存在互补或冲突关系。
模型能力提升：采样越多越强
研究表明，增加采样数量与验证强度可显著提升LLM推理性能，尤其在数学证明、逻辑推理等复杂任务中。提出Sample-Scrutinize-and-Scale策略：
- 候选生成：控制温度参数平衡多样性与保守性；
- 自我验证：结构化改写答案（定理→引理→步骤）、二元评分、对比消歧；
- 隐式扩展：覆盖更多优质解，挖掘长尾分布中的高分答案。新基准测试显示，模型在评分与比较任务中的表现差异显著。