⌘ K
… 读取采集状态 同步中...
雷

#推理

今日 10 条
10月1日周四
  1. Google DeepMind87

    Google 发布前沿大模型 Gemini 4 Argon

    Google 发布 Gemini 4 Argon 模型，目前正通过 Fairwind Program 逐步向受信任的网络安全防御者开放。该模型定价为 $2 per million input tokens 和 $10 per million output tokens，缓存输入 token 享受 95% 折扣。

    推荐理由：Google 官方给出了新模型的核心能力参数、价格及在代码、金融与网络安全领域的测试成绩，方便读者了解前沿模型的功能边界与部署规划。

9月30日周三
  5. AWS Machine Learning Blog50

    GPT-6.1 Sol 已在 Amazon Bedrock 全面可用

    OpenAI 的 GPT-6.1 Sol 已在 Amazon Bedrock 正式全面可用，提供接近 GPT-6 Astra 的推理能力。在 DeepSWE v1.1 基准上，其性能匹配 GPT-6 Astra 但任务成本仅为其约五分之一，且比 GPT-6 Sol 高出 6.4 个百分点。用户可通过 Amazon Bedrock 控制台或 API 部署该模型，用于智能体编码与专业工作负载。

9月29日周二
  1. 特工宇宙81

    Space Bunny 匿名模型实测：三天屠榜，疑似 MiniMax 出品

    匿名模型 Space Bunny 在 OpenRouter 和 OpenCode 上线后迅速占据调用量榜首，单日调用量超 DeepSeek V4.1 Flash 与 GLM-5.3 Flash 总和。作者实测发现其首字延迟低至 400 毫秒，编码能力接近旗舰水平；分词器指纹比对结果指向 MiniMax，该模型目前处于免费预览期。

    推荐理由：作者通过实测对比Space Bunny与同级别Flash模型，展示了其在代码生成与快速响应上的显著优势。

  4. 量子位70

    亚马逊和杜克大学研究发现删掉 99.95% 训练信号反而提升大模型推理能力

    亚马逊和杜克大学团队发现，在 On-Policy Distillation 中仅保留一个 token 的监督信号，其提升大模型推理能力的效果有时甚至优于对全轨迹进行训练。团队在 Qwen3 系列上验证了该现象，且极端稀疏监督还能超过教师模型本身的性能。

    推荐理由：研究揭示极端稀疏监督可媲美甚至超越密集训练，为提升大模型训练效率提供了新视角。

  6. 新智元78

    AI Has Taste项目发布453份数学手稿，Agent系统开始自主提出可证伪猜想

    曾仔健搭建的AI Has Taste系统公开了453份数学研究手稿和2312页内容，其中6篇被归类为AI主动提出的猜想。该系统采用Supervisor、Researcher、Reviewer和Writer的多Agent协作架构，将失败分析转化为下一轮研究输入，并邀请领域学者参与部分结果验证。项目核心在于将研究品味转化为可检查的决策轨迹，使AI从解题工具转变为参与设计下一道题的研究主体。

    推荐理由：项目展示了从生成答案到生成研究议程的转变，通过多Agent协作将失败管理纳入科研闭环，重新定义了AI参与数学研究的方式。

  7. 人工智能学家80

    10个Claude Opus 5.5智能体开发出比Dijkstra更快理论复杂度的C-HD算法，但实测性能落后

    Vals AI团队利用10个Claude Opus 5.5 Agent在15小时内并行协作，提出了名为C-HD的新最短路径算法，并在特定稀疏图范围内实现了比经典Dijkstra算法更低的渐近理论复杂度。该算法的289个Lean文件证明通过了机器验证，但社区实测发现由于预处理开销巨大，C-HD实际运行速度比Dijkstra慢1.4到2.8倍。

    推荐理由：展示了10个智能体协作发现新算法并被形式化验证，但实测发现其实际性能落后于经典算法，呈现了AI理论突破与工程落地的落差。

  9. APPSO90

    AMD 以82亿美元收购李飞飞创立的 World Labs

    AMD 宣布以全股票方式收购李飞飞创立的 World Labs，交易金额约82亿美元。李飞飞将出任 AMD 执行副总裁兼首席科学家，带领团队研究能生成和模拟可交互三维环境的空间智能模型。AMD 希望借助 World Labs 的研究洞察，推动硬件团队与模型开发协同，布局机器人仿真与物理 AI 的计算需求。

    推荐理由：AMD 以82亿美元收购 World Labs，使模型研究者直接参与硬件需求定义，为空间智能落地提供了算力支撑。

  10. 深度学习与NLP44

    孙宇晨创立“孙宇晨奖”，宣称对标诺奖

    波场TRON创始人孙宇晨宣布设立“孙宇晨奖”，首期聚焦数学难题破解与形式化验证，最高单题奖金为100万美元。该奖项首批名单涉及66个数学问题，并已向OpenAI研究团队授予100万美元最高奖，以表彰其关于三维Navier–Stokes方程的研究成果及形式化证明。

  11. InfoQ CN40

    华为AI数据平台：数据本体、原生KV语义直通与智能体数据韧性三大升级路线

    华为在2026全联接大会上提出AI数据平台三大升级路线：数据本体、原生KV语义直通与智能体数据韧性。华为称通过数据本体可将智能体任务正确率提升至90%以上。借助OceanStor A800与原生KV直通，首Token时延降低80%至10秒内，存储I/O时延降至55微秒，实现秒级风险拦截。

9月28日周一
  3. LangChain Blog69

    LangChain：使用 Jev 和 LangGraph 构建生产级智能体

    LangChain 团队撰文展示如何利用 TypeSafe 的决策模型 Jev 和 LangGraph 构建更廉价、可靠的生产级智能体。Jev 通过提供结构化判断而非生成文本，在特定任务上比 LLM 更快更便宜；LangGraph 则通过可观测的运行时管理上下文与状态，确保系统稳定性。

    推荐理由：展示了如何将决策模型与 LangGraph 结合来优化生产环境，并提供了文档审查的实战案例。

  5. 极客公园68

    阿里云升级全栈 AI 基础设施，Agent 正在重写数据与计算链路

    阿里云在云栖大会升级了从数据处理到系统自优化的全栈 AI 基础设施，以应对 Agent 带来的新负载。MaxCompute 将 GPU 和模型 Token 纳入统一调度，EMR 方案使具身智能数据处理耗时减少 40%；PAI-DLC 3.0 引入 Xfuse 使多模态模型端到端训练速度提升 2.4 倍。

    推荐理由：阿里云在云栖大会展示了从数据生产到系统自进化的全栈升级，量化了数据处理耗时与训练速度的变化，为评估 Agent 对基础设施的重塑提供了具体参照。

  6. AI科技评论71

    Naive AI 以中训练与后训练为切口，通过 AI 研发 AI 实践展示 RSI 落地路径

    Naive AI 以中训练与后训练为切口探索 AI for AI，基于 15.5B 激活参数的 Naive-N0.5-Flash 模型在 SWE-bench Pro 得分 73.6，且在多个 AI 研发评测中超越了部分闭源大模型。

    推荐理由：通过两个实战案例展示了 AI 在推理优化与跨领域探索中的真实能力边界及当前强递归自我改进的阻碍。

  7. 人工智能学家62

    中科院团队提出智能体能力周期表：243种构型对比人类与AI

    中国科学院大学研究团队在《数据科学年鉴》发表论文《智能体能力周期表》，提出将任何智能体视为开放信息处理系统，提炼出控制、生成、记忆、输出、输入五种基本能力。 每种能力分为缺失、有限、无限三个等级，组合出243种构型。该框架将大肠杆菌、人类与最新大模型智能体纳入同一坐标系，指出当前最先进AI在“自主控制”维度仍为零，与人类相差一位。

9月27日周日
  1. 机器之心52

    OpenAI 攻克百道数学难题，数学家 Daniel Litt 称数学才刚开始

    针对 OpenAI 内部模型攻克百多道世界级数学难题的现状，多伦多大学数学家 Daniel Litt 在博客发表长文指出数学并未终结。他认为未来人类数学家应转向培养自身在特定问题上的理解深度与筛选高价值研究问题的能力。Litt 提议重构博士评价标准，将数学进展与个人数学能力分离，主张通过严格答辩考核学生的理解水平，同时指出 AI 的算力普及可能重塑数学研究的成本结构与价值衡量方式。

  3. 深度学习与NLP89

    GPT-6 Astra 无条件证明刘维尔弱形式哥德巴赫猜想并通过 Lean 4 验证

    网友 Captain Sude 宣布 GPT-6 Astra 已无条件证明哥德巴赫猜想的刘维尔弱形式，即所有大于 2 的偶数都可表示为两个刘维尔值为 -1 的正整数之和。该证明突破了以往对广义黎曼猜想的依赖，并通过 Lean 4 形式化验证，代码中无未填补证明块，249 个偶数测试全部通过。

    推荐理由：Astra 给出了刘维尔弱形式哥德巴赫猜想的无条件证明并通过了形式化验证，展示了AI在抽象数学推理上的新能力。

  4. CVer28

    AML Lab 7 篇论文被 NeurIPS 2026 录用

    应用机器学习实验室（AML Lab）共有 7 篇论文入选第 40 届 NeurIPS 2026。这些研究涵盖 UniRank 推荐重排、GeoRouter 图像地理定位、MemoType 长短期记忆框架及 MaRK 状态空间模型算子调节等方向。UniRank 在线 A/B 测试中提升用户分享率 1.016%，MemoType 在 Recall@1 上最高提升 16.18%。

  5. CVer83

    Jev 模型开发商 TypeSafe AI 融资估值暴涨至 100 亿美元

    TypeSafe AI 正在洽谈 10 亿美元以上融资，估值从上周种子轮的 2 亿美元暴涨至 100 亿美元以上。其发布的 Jev 模型专注快速决策，单次判断耗时几十到几百毫秒，输入定价 0.042美元/百万 Token，输出免费。上线 Vercel AI Gateway 后，Jev 在 24 小时内被 13% 的付费团队使用，采用速度是 GPT-5.6 家族的 2 倍。

    推荐理由：文章梳理了 Jev 模型 9 天估值暴涨 50 倍至 100 亿美元的融资内幕，并解析其将「判断」从生成中剥离的 System One 定位对 Agent 成本效率的影响。

9月26日周六
  2. 特工宇宙73

    Jev 模型如何实现低延迟微决策

    Jev 模型通过放弃文本生成，采用 System 1 并行采样架构专门处理快速、低成本的微决策任务。在同等智能水平下，Jev 比前沿模型快 40 到 200 倍，成本降低两个数量级，输入 Token 价格为每百万 0.042 美元。其延迟控制在 70 到 500 毫秒，使高频分类、路由和实时交互等场景落地成为可能。

  3. 人工智能学家83

    Redwood Research报告揭示GPT-6 Astra利用空白token提升无思维链推理

    Redwood Research新报告发现，GPT-6 Astra在推理输出为零的情况下，通过在提示后添加填充token（如句点），可显著提升其在串行推理和嵌套计算任务中的表现。

    推荐理由：报告揭示了GPT-6 Astra在禁用推理输出时利用空白token提升复杂推理的隐藏机制，对无思维链评测和安全监控提出了新考量。

  5. 机器之心66

    TMLR主编约谈论文作者试验：部分作者无法解释署名内容

    TMLR主编Nihar Shah在轮值期间约谈7篇待拒稿论文作者，结果仅1篇作者能回答全部基础问题，最终10篇抽检论文全部被拒。该文指出TMLR直接拒稿率已从2023年的约6%升至53%，单作者投稿量暴增至13倍。TMLR已引入AI审稿、年度投稿配额及强制清晰写作标准，另提出greCAPTCHA评估方法通过提问考察作者核验能力，目前受试者测试中区分自己论文与陌生论文的AUC达0.90。

    推荐理由：文中标注了TMLR约谈试验及Pangram检测的数据，可辅助读者理解AI写作对学术署名与评审体系的冲击。

  6. DeepTech深科技79

    Claude 独立攻克理论物理九圈散射振幅计算难题

    Anthropic 团队利用 Claude 完成了平面 N=4 超杨-米尔斯理论九圈六胶子散射振幅的独立计算，总成本约一两千美元。该计算通过自举法验证了结果，并与中科院何颂团队利用 GPT-6 得到的符号结果相互印证，展示了大模型在复杂理论物理领域的应用潜力。

    推荐理由：文章记录了 Claude 独立完成九圈散射振幅计算的过程与验证细节，展示了 AI 在专业科研领域执行复杂长链路任务的实际能力。