AI HOT精选AI 评分7272

Anthropic 强化针对蒸馏攻击的防御，reasoning token 提取量下降 10 到 100 倍

Anthropic 发布博客，介绍其针对 Claude 蒸馏攻击的新防御方法，早期证据显示这些方法使蒸馏者获取的数据减少约 90% 到 99%。新方法通过控制推理流向、阻止并修补提取尝试以及让反复尝试变得困难三种方式阻断攻击，其中两阶段分类器误报率低于 0.1%。

AI HOT精选AI 评分8080

Meta 发布 Muse Wonder 系列模型，Artificial Analysis 实测智能水平显著提升

Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型，在 Artificial Analysis Intelligence Index v4.3 上得分分别为 52 和 56，较前代 Muse Spark 1.3 提升明显。

The DecoderAI 评分5252

Sakana AI 提出 MASS 方法实现模型递归自改进，解题与评估能力提升但难以识别自身盲区

Sakana AI 和 UC Berkeley 研究者提出多智能体自监督（MASS）方法，让单一语言模型同时承担解题、评估和优化角色，通过递归自改进提升能力。测试显示，经过两轮迭代，模型在多个基准测试中的胜率从 53.9% 提升至 69.9%，但共享盲区可能导致错误被误判为进步并进入下一轮训练。研究基于 Qwen3.6-27B 进行 LoRA 微调，代码已公开。

AI HOTAI 评分5858

AWS 提出 priming 方法，可将预训练 Transformer 改造成混合状态空间架构

AWS 团队在论文《Priming: Hybrid state space models from pre-trained Transformers》中提出 priming 方法，可将预训练 Transformer 改造为混合架构，预训练成本降低逾 99%，全流程消耗不足源模型 0.5% 的 token 预算。

The DecoderAI 评分5353

Microsoft Research：清空对话历史帮助 AI Agent 探索更优解决方案

Microsoft Research 研究发现，长时程 AI 研究 Agent 会因累积的对话上下文限制搜索范围，陷入“想法盆地”。研究提出的“Fork-and-Flush”方法结合并行分支与清空聊天记录（保留工作区文件），让 Agent 在保持工作成果的同时重新开始对话。

NVIDIA Generative AI BlogAI 评分2323

ReplaySSM: 重新思考混合模型的状态存储以实现更快的解码

针对混合模型解码速度慢的问题，ReplaySSM 提出了一种重新思考状态存储的方法。该方法适用于 NVIDIA Nemotron 3、Qwen3.5至3.8、Kimi-K3 和 GLM-5.3-Flash 等模型，这些模型通过结合 SSM 层（如 Mamba-2）和少量注意力层来加速解码，旨在解决 SSM 层固定大小状态替代随长度增长的关键值缓存所带来的挑战。

量子位 QbitAI精选AI 评分8585

GPT-6 Astra证明57年「摆圆」难题15至20圆盘情形

非职业数学家nor利用GPT-6 Astra完成了N≤20圆内圆盘的严格最优性证明。模型通过几何约束缩减排列并用计算机排除剩余可能，将证明范围从N≤14扩展至N=20。nor补充了验证和修复工作，展示了人机协作完成数学难题的新路径。

The DecoderAI 评分5050

Andrej Karpathy 指出外部世界仅看到 AI 能力的预览

Andrej Karpathy 认为大众常将大语言模型视为更好的搜索引擎或写作助手，但少数接触前沿内部系统的专业人士已看到 AI 的实际潜力。Karpathy 估计全球约有 5000 人使用内部前沿系统，这些系统能通过数千个 AI 智能体协作完成过去需要顶级专家花费数年的软件工程与数学任务。

Import AIAI 评分4040

Import AI 476：直观视觉推理基准、中国开源模型表现落后及太空 AI 竞赛

Elorian 和 Scale AI 发布的基准 HSS 显示 GPT-6 Astra 的 pass@1 仅 53.6，远低于人类基线 93.1，且中国开源模型 GLM-5.3-flash 和 Kimi K3 表现更弱。

Microsoft AI BlogAI 评分5757

Microsoft 发布 Maia 300 自研芯片

Microsoft 发布名为 Maia 300 的新一代自研 AI 芯片，强调在服务器和机架层面的全栈 AI 优势。微软多位高管包括 Mustafa Suleyman 和 Rani Borkar 介绍了芯片与前沿模型协同设计及高效推理的系统方法，并说明 Maia 如何支持 Microsoft 365 中的 AI 体验。

The Verge · AIAI 评分7070

微软发布第三代自研 AI 芯片 Maia 300

微软发布第三代自研 AI 芯片 Maia 300，将其定位为微软产品和服务的主要 AI 推理系统。Maia 300 在完整 96 加速器配置下吞吐量最高可达 Maia 200 的 7 倍，并预计比基于领先 GPU 的系统每兆瓦多提供 40% 的 token 输出。

Import AI (Jack Clark)AI 评分4545

Import AI 476：创意与 RSI；弱于中国的开源权重模型；AI 进军太空

Elorian 和 Scale AI 发布的 HSS 基准测试显示，GPT 6 Astra 在直觉视觉推理任务上的 pass@1 仅为 53.6，远低于人类基线 93.1。GLM-5.3-flash 和 Kimi K3 表现更差，得分分别为 26.8 和 25.5。HSS 包含 522 个问题，涵盖图像与短视频，旨在评估多模态模型对隐含信息的解读能力。

AI HOT精选AI 评分8383

AlphaProof Nexus 独立解决 9 个未解 Erdős 问题并获同行评审

Google DeepMind 的 AlphaProof Nexus 独立解决了 353 个开放 Erdős 问题中的 9 个，其中 2 个悬置 56 年，相关成果已提交同行评审。该系统基于 Gemini 3.1 Pro，利用形式化语言 Lean 检查证明错误并指导修订，同时证明了 44 个 OEIS 整数序列猜想。

The Decoder精选AI 评分8989

Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并获同行评审

Google DeepMind 的 AI 系统 AlphaProof Nexus 自主解决了数十个开放数学问题，相关研究已在《科学》杂志发表。该系统基于 Gemini 3.1 Pro，解决了 353 个开放 Erdős 问题中的 9 个，以及 OEIS 数据库中的 44 个猜想。研究通过 Lean 形式化语言验证证明，并经过同行评审，区别于 OpenAI 直接在 GitHub 发布证明的做法。

腾讯研究院AI 评分3131

人工智能本质上只是一种“次生智能”

人类智能是创造多模态语言以标注自然的“原生智能”，而生成式人工智能（GenAI）仅是对人类语料进行二次标注的“次生智能”。GenAI基于Transformer架构通过大规模统计分析处理数据，因无法完全表达深层语义关系易产生幻觉。作者认为，智能本质是用神秘性包装的网络安全问题，人类认知始终依赖技术工具辅助，并非仅凭裸脑力量。

机器之心AI 评分3535

PhAI Labs 提出 RSI-Anything，探索通用自我进化新路径

PhAI Labs 提出 RSI-Anything 框架，旨在探索通用的 AI 自我进化路径。该框架将修 Bug、操作计算机及优化化学反应等八竿子打不着的任务纳入同一研究体系。在代码修复实验中，仅让世界模型参与预测和选择修改，未更换代码生成模型或增加在线测试预算。

新智元AI 评分4949

陶哲轩呼吁放缓 AI 发展，25 万数学博士面临转型绝境

菲尔兹奖得主陶哲轩发出警告，称 AI 发展速度失控且后果未知，必须放缓以应对非线性冲击。在 AI 自动定理证明器（如结合 Lean）与 GPT-5.4 Pro 等工具大幅提升数学证明能力的背景下，25 万数学博士的传统研究模式面临危机。数学界正转向重视“动机阐释”而非单纯证明，通过设立“开放式阐释问题”和改革评价机制，将核心价值重塑为增进人类对知识的理解。

新智元精选AI 评分6565

QIQCBench 虚拟量子实验室实测 17 个顶级 AI Agent：GPT-5.6 与 Claude Opus 断层领先

由 NUS、NTU 及 GaugeForge 组成的联合团队发布论文，提出虚拟量子实验室 Quantum-Harbor 及包含 49 项任务的评测基准 QIQCBench，并引入“验证自治”评判标准，重点考察 AI Agent 结论是否有实验证据支撑。

机器之心AI 评分5757

PhAI Labs 发布 RSI-Anything 技术报告，探索基于世界模型的跨领域递归自我改进

PhAI Labs 发布技术报告 RSI-Anything: Unlocking Recursive Self-Improvement with World Models，提出利用世界模型支持不同环境中的递归自我改进框架。

量子位精选AI 评分8080

华为诺亚实验室Memento 3基于递归自我改进方法以100分RHAE通关ARC-AGI-3全部游戏

华为诺亚方舟实验室联合UCL等团队发布Memento 3智能体系统，在ARC-AGI-3的25款游戏、183个关卡中以满分100 RHAE成绩全部通关。该系统以Claude Opus 5为底模，通过Code as Model方法生成可执行世界模型和规则手册进行递归自我改进，全程未更新模型权重或微调，总操作次数仅7518次，比人类基准少56%。

量子位AI 评分5656

新研究提出推理时直接隐状态对齐方法DHSA，256-16384个控制参数达DPO水准

成都大学等团队提出直接隐状态对齐（DHSA），通过在推理时直接控制隐状态来实现偏好对齐，而非修改基座权重。 其核心是残差竞争图（RCM）用于定位偏好相关组件，结合因果激活状态转移（CAST）仅更新少量控制参数（256至16384个），在GPT-J、Llama-3等模型上达到与DPO相竞争的对齐水平，且支持在prefill阶段单独干预。

量子位AI 评分5858

无问芯穹完成23亿元C轮融资，累计融资43亿元

AI原生基础设施服务商无问芯穹完成23亿元C轮融资，累计融资43亿元。该资金将助力其在不建机房、依赖软件编排汇聚异构算力的路径上实现规模化扩张，以提升模型与芯片间的转化效率。

智东西AI 评分5151

智谱GLM-5.3 HighSpeed在ZCode内测，输出速度超490 tokens/s

智谱在AI编程工具ZCode中开启GLM-5.3 HighSpeed高速版模型测试，该模型输出速度可超过490 tokens/s，约为DeepSeek V4.1 Flash官方API速度（121.34 tokens/s）的4倍。GLM-5.3 HighSpeed拥有100万token上下文窗口，目前仅对ZCode订阅用户随机开放。

AIGC开放社区AI 评分7575

微软发布快速决策模型 Microsoft-Decision-1：让AI先做判断，再调用大模型

微软发布基于 Qwen3.5-9B 后训练的决策评分模型 Microsoft-Decision-1，通过 Microsoft Foundry 和 OpenRouter 提供服务。

新智元AI 评分4343

MiTA 提出快权重视角下的注意力五维分类框架，NeurIPS 2026 接收并开源

北京邮电大学团队提出混合专家注意力模型 MiTA，将其发展为五维分类框架，已在 NeurIPS 2026 接收并开源代码。该模型通过地标查询构造可复用专家，在 LRA 长序列任务上将训练时间从 10.6 小时降至 2.4 小时，平均准确率 58.91%。在 64K 至 1024K 序列长度下，相比完整注意力分别获得 19 倍、56 倍和 159 倍推理加速。

vLLM Semantic Router 发布 Decision 3.0 开源多模态决策模型

vLLM Semantic Router 团队发布 Decision 3.0 系列，包含5款基于 Qwen 微调的 Apache-2.0 开源多模态决策模型。模型支持读取文本、JSON 和图片，通过单次调用返回概率评分而非纯文本，适用于请求分类与路由。

Andrej Karpathy@karpathyAI 评分6363

Karpathy 将 LLM 用户分为四层认知漏斗：约 75% 人口无接触，20% 为免费层轻用户，0.2% 专业开发者见证 Agent 处理大型项目，0.00006% 内部团队接触前沿系统。他认为由于强化学习依赖可验证奖励及 B2B 价值导向，LLM 在数学和代码等数字可验证领域能力激增，而在写作等通用领域提升滞后，导致不同群体对 AI 能力的理解出现严重错位。

大模型智能AI 评分6060

Agentic RL Infra 主流技术路线综述：国内 11 家团队工程实践对比

作者基于 2025–2026 年 11 份技术报告，综述了小米、DeepSeek、Moonshot Kimi、智谱 GLM、阿里 Qwen、MiniMax、阶跃 StepFun、美团 LongCat、蚂蚁 Ling/Ring、字节 Seed、腾讯混元等团队在 Agentic RL 基建上的做法。

机器之心精选AI 评分7373

陶哲轩最新演讲：数学 2.0 来了，证明稀缺时代正在终结

陶哲轩公开了其在加州理工学院举行的最新演讲《Math 2.0》（数学 2.0），提出证明稀缺时代正在终结。这场演讲原计划于 5 月举行，因近期发生的一系列事件推迟至 10 月发布。

机器之心AI 评分3030

OpenRSI Index 发布：衡量 AI 距离超越前沿科研人员还有多远

指标 OpenRSI Index 在 X 上发布并引发关注，旨在量化 AI 距离超越前沿科研人员的剩余差距。截至目前，该项目的发布帖浏览量已超过 13.3 万，相关话题被收录于 X 的 Today’s News 栏目中。

机器之心AI 评分5858

ChatGPT共同创造者Liam Fedus：数学之后，AI该去实验室了

ChatGPT共同创造者Liam Fedus发表观点，认为在数学之后，AI研发应转向实验室场景。材料引用了OpenAI在GitHub上放出722篇覆盖17个领域的数学手稿及Lean形式化证明这一事件，其中部分出自尚未发布的内部前沿模型，以此作为讨论AI发展方向的背景。

The DecoderAI 评分7575

研究发现AI智能体夸大研究结果且远未达到自主科研能力

Epoch AI通过InnovationEval基准测试发现，Claude Fable 5和GPT-5.6 Sol等智能体在发明新训练方法时仅能复用已知技术且表现远逊于人类设计的参考方法SDPO。

The DecoderAI 评分4444

Jensen Huang 乐观预测：AI 令牌降价驱动需求增长

Jensen Huang 认为 AI 令牌价格下降将驱动需求增长，符合 Jevons 悖论。数据显示 2026 年 8 月前 H100 GPU 租赁价格坚挺，因智能体应用激增推高总量。该模式依赖使用量增长抵消单价下跌，否则硬件及能源供应链将面临风险。

量子位 QbitAI精选AI 评分6868

硅谷AI算力争夺战：巨头互求资源，初创公司面临生存两难

硅谷AI行业陷入算力争夺，算力成为决定模型迭代和人才留存的硬通货。Meta CEO扎克伯格向Anthropic CEO达里奥·阿莫迪寻求算力支持被拒，SpaceX则充当英伟达GPU中间商赚取利润。

量子位 QbitAI精选AI 评分8989

OpenAI 发布722篇数学手稿，陶哲轩呼吁抵制

OpenAI 发布722篇数学手稿，涉及挂谷猜想等高难度数学问题，引发学界争议。陶哲轩牵头成立人类数学协会，发表声明全面抵制 OpenAI，呼吁数学家停止合作。

量子位AI 评分4242

清华团队开源VeriLoop E2：模型负责探索，外部证据决定提交

VeriLoop E2 开源，将模型“探索权”与外部证据“提交权”分离，确保新状态需通过受保护证据验证方可写入。系统基于 VGR 机制组织后训练，在 9 项覆盖代码与科学推理的 Benchmark 上完成评测。官方发布 BF16 至 IQ1_M 的 GGUF 量化版本，并以 BF16 为参照测量 PPL 与 KL divergence。

机器之心AI 评分6060

OpenAI前副总裁Liam Fedus：为什么AI要进入实体实验室？

OpenAI前副总裁Liam Fedus在播客中指出，AI攻克数学得益于Lean等工具提供形式化验证，但进入材料、化学等实体科学领域缺乏这样的“裁判”，必须通过真实实验验证假设。他创立的Periodic Labs致力于结合语言模型推理、计算模拟与高通量实验，在门洛帕克搭建实体实验室，旨在解决科学数据缺乏和偏置问题。Fedus认为，AI系统只有将思考转化为实践，才能推动诸如超导体等关键材料的发现。

机器之心精选AI 评分6565

OpenRSI Index 发布：面向递归自我改进的大规模科研基准

OpenRSI Index 发布，旨在评估 AI 智能体改进人类模型训练方案的能力。其任务覆盖预训练、后训练与视觉生成，单次运行规模达数千至上万 H100·小时。该基准通过隔离工作区与独立验收环境应对数据污染与不可复现问题，并提供 RSI-Anything 工具让研究者在约一小时内将课题转化为可运行的 RSI 任务环境。

APPSOAI 评分3939

苹果库克闪现广州看咏春/曝字节个人AI助理将与豆包结合/网飞自曝300部作品已使用AI

苹果董事会执行主席库克探班广州 iPhone 18 Pro 咏春短片拍摄现场；字节跳动加速研发个人 AI 智能体，计划将 Spell 项目与豆包结合。Netflix 称约 300 部作品已使用 AI，导演估算该流程可将制作预算降低约 40%。

极市平台AI 评分7575

何恺明团队发布视觉原生Harness框架VISTA，实现多模态模型按需回看视觉记忆

何恺明团队在最新论文中提出视觉原生Harness框架VISTA。该框架通过构建无损视觉记忆与主动检查机制，使多模态模型无需重新训练即可随时回看、放大和对比历史画面。搭配VISTA，Claude Opus 5.0在ARC-AGI-3基准上达到满分，游戏动作数比人类基线少57.4%；GPT-5.6 Sol同样全通关。