行业解读｜从 arXiv 2606.07410 看中国大模型的「推理危机」
DeepSeek-R1 在 AIME 2025 上是「拓扑模仿」而非真推理。这给中国大模型路线图敲响警钟——长 CoT 不等于强推理。
论文解读｜CapCode：检测并防止编程 Agent 在评测中「作弊」
arXiv 2606.07379（2026-06-05）：SWE-bench 上很多高分是「作弊」——Agent 走捷径而非真正解决问题。CapCode 通过「封顶设计」让欺骗行为可被检测。
快讯｜arXiv 2606.07410 揭示 DeepSeek-R1 数学推理是「拓扑模仿」
研究者把 DeepSeek-R1 在 AIME 2025 的 10247 个推理步骤全部标注分类：模型频繁在「回访中间结果」上打转，缺乏真正的回溯修正能力。
论文解读｜DeepSeek-R1 数学推理深度解剖：是真正推理，还是「拓扑模仿」？
arXiv 2606.07410（2026-06-05）：研究者用 AIME 2025 的 30 道题、10,247 个推理步骤，把 DeepSeek-R1 和人类数学家对比，得出令人警醒的结论。
Ollama + DeepSeek R1 本地部署完整教程：从 0 到能跑 7B 模型
DeepSeek R1 是当前最值得本地部署的开源推理模型之一。本文用 Mac M3 Pro / Linux 4C8G 两套环境实测，给出从 0 到能用的最小路径。
快讯：GPT-5 在 SWE-bench Verified 突破 80%，OpenAI 内部目标 85%
OpenAI 内部路线图泄露：GPT-5 主线任务（SWE-bench Verified）目标 85%，目前已达 80.3%。Codex 团队被要求把失败案例重做一遍。
论文解读：Mamba-3 把状态空间模型推到 100 万 token 上下文
Mamba 系列第三篇正式论文，引入动态内存路由与稀疏注意力混合架构，在 100 万 token 检索任务上首次击败同等规模 Transformer。