本文来自PRO会员通讯内容，文末关注「机器之心PRO会员」，查看更多专题解读。 引言 ：近日，字节跳动等推出的 FutureX 动态评测基准，让大模型在答案未知、数据动态更新和闭环检验的情况下直面预测型「考卷」。这项工作在模型预测力和记忆力之 间做了区分，也探究了模型在长程推理、执行稳健性和不确定性环境下的表现。此外，大模型在财务预测、疾病评估等场景的落地效果正在优化过程中，业内研究者也在寻 找能填平推理和执行鸿沟的新机制。 目录 当推理「用兵」碰上财务预测等现实场景，模型能否稳定「指挥」从而落地？... 03 . 模型推理预测哪家强，先验后验不同路径 「各显神通」？ 过往的模型预测技术在往哪些方向发力？先验记忆与后验反思机制，未来能为模型预测带来新的突破吗？... 01 FutureX 「出世」，从长程推理到现实预测大模型「顶」住了吗？ 1、目前，大多数用于评估大型语言模型的基准都依赖于预先存在的、固定不变的数据集。 2、这种评估方式在衡量模型的事实性知识或在已知数据集上的简单推理能力时表现较好，但在面对动态的真实世界进行预测时，则难以考察模型真实的推理实力。 ① 静态基准通常处理的是在已有解决方案的情况下 ...