Metis Reasoning 白皮书：用知识账本治幻觉
先了解这件事
前 DeepMind 研究员 Thore Graepel 创立的 Metis Reasoning 发布白皮书，提出用 AlphaGo 式搜索与验证机制减少大模型幻觉。方案以显式“知识账本”替代把知识固化在模型权重中，账本记录已知内容、置信度和未解问题；新条目须由独立模块用计算、形式化证明或实证证据校验，某个假设失效时，依赖它的结论会被重新评估。 系统沿用 AlphaGo 的双神经网络结构负责提出与评估“走法”，但推理步骤只有在独立检查通过后才改变知识状态，神经网络本身无法覆盖验证规则。Metis 称这有望带来更少幻觉、带来源引用的解释，以及无需重训即可修改或删除的知识，并因推理被拆成小步而适合边缘设备和机器人上的小模型。 这些效果目前只是 Metis 的设想。白皮书描述的仅是研究计划，没有可用系统、benchmark，也没有与现有推理模型的对比。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The Decoder前 DeepMind 研究员创立 Metis Reasoning，想用 AlphaGo 思路治 AI 幻觉
前 DeepMind 研究员 Thore Graepel 创立 Metis Reasoning，提出用 AlphaGo 式搜索与验证机制减少大模型幻觉。该方案以显式“知识账本”替代把知识固化在模型权重中，记录已知内容、置信度和未解问题，并由独立模块用计算、形式化证明或实证证据校验新条目；一旦某个假设失效，依赖它的结论会被重新评估。系统沿用 AlphaGo 的双神经网络结构负责提出与评估“走法”，但神经网络无法覆盖验证规则，推理步骤只有在独立检查通过后才改变知识状态。Metis 称这有望带来更少幻觉、带来源引用的解释，以及无需重训即可修改或删除的知识，并因推理被拆成小步而适合边缘设备和机器人上的小模型。该白皮书目前只是研究计划，没有可用系统、benchmark 或与现有推理模型的对比。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。