详情

衡宇 发自 凹非寺

量子位 | 公众号 QbitAI

离开Meta这座围城后，Yann LeCun似乎悟了“不要把鸡蛋装在澌灭个篮子里”。

一边，他亲手打造了我方的初创公司AMI，试图活着界模子这条赛说念上大展拳脚；同期，他的眼光又投向了硅谷的另一角。

就在最近，LeCun厚爱晓示加入一家名为Logical Intelligence的初创公司，担任技能操办委员会的独创主席。

挺挑升旨敬爱的。因为Logical Intelligence聘请了一条与现时主流大模子（LLM）人大不同的技能阶梯。

该公司主推的是一种能量-推理模子，“更擅长学习、推理和自我校正”。

在数独游戏测试上，Logical Intelligence推出的模子Kona不到1s就正确完成了数字填写，

而GPT 5.2、Claude Opus 4.5、Claude Sonnet 4.5齐跑了100s了，还没个截至……

After 10 minutes……

Logical intelligence是作念啥的公司？

领先，咱先来搞搞明晰Logical Intelligence到底是作念什么的。

肤浅来说，这家本年1月刚对外亮相的AI公司正在研发一种基于能量的推理模子（Energy-Based Reasoning Model, EBM）。

听起来可能有点概述……咱们拆解开来细说一下。

这种模子通过凭证管理要求进行评分，来考据和优化治理决策。

你不错把它设想成一个在复杂迷宫中寻找出口的智能体，它不是靠大模子那样算计下一个token，而是通过感知周围环境的“能量上下”来判断标的。

在EBM的天下里，稳妥逻辑、满足管理要求的解，其“能量”最低，也等于最一致、最褂讪的景况。

系统会一直不断优化，直到找到阿谁能量最低的截至。

也等于说，EBM体系从一运行就假设问题本人由严格管理组成，推理经由职业于满足管理这一打算。

Logical Intelligence发布了三大中枢技能论点。

第一，大模子行为推理模子的根人性受限。

它依赖闹翻token，给AI推理的膨胀带来了严重破碎。

第二，能量-推理模子（EBMs）克服了使用基于大模子推理模子固有的主要辛劳。

第三，膨胀AI推理需要使用EBM进行推理，用大模子进行合作——尤其是在与当然言语教训之间的翻译时。

要是你恒久柔软LeCun的学术动态，就会发现这玩意儿其实完满契合了他永远以来的技能信仰。

早在20年前，LeCun就屡次商议过能量模子在智能系统中的后劲。

只是受限于算力与查验要津，这沿途线恒久停留在表面与小范畴实验阶段。

近几年，LeCun在采访中反复提到大模子的到手在某种进程上让通盘范畴变成旅途依赖。就在最近的一次采访中，他还对着媒体说，每个东说念主齐还是“被LLMs洗脑了”。

是以，LeCun加入这家公司是一个卓绝义正辞严，两方一拍即合的事情。

Logical Intelligence的独创东说念主兼CEO Eve Bodnia暗示：

对咱们来说，Yan LeCun是能量-推理模子和关系多样架构的唯独各人。

当咱们运行入部属手这个EBM时，他是我能与之交谈的唯独东说念主选。

Eve Bodnia还说，AI有不同的姿色，无用非得是基于文本的AI。

“东说念主们总说咱们处于AI泡沫之中，但咱们不在这个范围内。因为环球只是处在大模子泡沫中。”

他还说，通往AGI的说念路需要不同的AI来各司其职：

LLMs用当然言语与东说念主类交互EBMs承担推理任务天下模子匡助机器东说念主在3D空间中选定行动已推出首款模子

Logical Intelligence宣称我方是首个到手构建出责任型EBM的公司。

他们还是推出了一款叫Kona的能量-推理模子，参数目低于200M。

那么，这款模子的阐明怎样？

Logical Intelligence甩出了一个具体的欺诈场景，数独。

在单个Nvidia H100 GPU上运行，Kona治理数独问题的速率，比Claude Opus 4.5、GPT 5.2、Gemini 3 Pro等全球顶尖的大模子齐要快得多。

准确率也遥遥逾越。

这是Kona玩儿数独的速率和收货：

第二快的是DeepSeek-V3.2，不出门了一些小小的作假：

其它Gemini 3 Pro、Claude Opus 4.5玩儿数独的速率，齐100s开外去了……终末截至照旧错的（捂脸）。

BTW，在此测试中，大模子们被辞让使用能“暴力解题“的编程才智。

之是以选数独来测试，是因为数独是一个典型的强管理、零容错的逻辑问题。

填错一个数字，通盘盘面就废了。

这个对比等于为了凸起在强管理、解空间有限的问题上，能量模子的搜索恶果。

是以Kona的打算战场不单是是填数字游戏。

Logical Intelligence的打算是让Kona去治理履行天下中最为毒手的问题，比如优化复杂的动力网罗分拨，或者达成精密制造经由的自动化。

Eve Bodnia强调的，这些任务“根蒂齐跟言语不报复”，何况对幻觉的容忍度卓绝低。

凭证最新公开贵寓，EBM在查验数据方面还有特有的上风。

EBM的查验数据不错是任何东西。

“咱们不是试图为系数事物创建一个适用于系数情况的通用大脑。咱们为每个孤苦的业务创建一个较小的模子。每个客户的数据齐会有所不同。”

这就使得查验与传统大模子有很大不同。团队用来查验Kona的是部分数据，称为稀零数据，而Kona概况从稀零数据中索求完整数据。

One More Thing

当今，Kona照旧一个闭源模子。

不外CEO说了，最终会探讨将某些本色开源。

但愿在将其公之于世之前，概况充分交融它。

这是迈向AGI的一大步。

你需要想考它的安全性怎样，可能性有哪些，以及界限在那儿。我只是想作念一个负牵扯的父母。

参考连结：

https://archive.ph/H91Zl#selection-2531.22-2531.53

要是你也想测下数独速率：

https://sudoku.logicalintelligence.com/

— 完 —

量子位 QbitAI · 头条号

柔软咱们欧洲杯体育，第一时辰获知前沿科技动态