跳到正文
#推理
10月13日周二
  1. 量子位50

    GPT-6 Astra 联手数学爱好者证明 57 年“摆圆”难题

    数学爱好者 nor 利用 GPT-6 Astra 成功证明了 N≤20 的“摆圆”难题，补全了此前仅验证至 N≤14 及 N=19 的研究空白。该模型通过几何约束将无限排列缩减为有限情况，并结合计算机枚举与几何刚性证明，最终确认了经典排列的最优性。此项工作由人类引导模型完成，并经过了 Claude Opus 5.5 的交叉验证。

    发布时间：
  2. AIHot36

    Microsoft Research 多项 AI 研究进展

    Microsoft Research 近日发布多项 AI 研究进展，涵盖 AI 在承认需要澄清时表现更佳、提升机器人在视觉-语言任务中的性能，以及如何从 AI 失败中学习等课题。研究还涉及改进 AI 辅导系统、解析人类嗅觉机制，并提出了一种更高效的 KV-cache 内存存储方案。

    发布时间：
  3. AIHot58

    Sakana AI 与 UC Berkeley 提出 MASS 自我改进方法

    Sakana AI 与 UC Berkeley 研究者提出多智能体自我监督方法 MASS，让单个 Qwen3.6-27B 模型身兼解题、评估、优化三角色，无需更强教师模型即可递归自我改进。研究发现该方法在多项基准测试中提升了模型表现，但同时也指出模型可能存在共享盲点，导致错误在自我评估中被忽略并进入下一轮训练。

    发布时间：
  4. AIHot68

    SubQ 发布长上下文决策模型 SubQ Snap

    SubQ 推出 SubQ Snap 模型，支持 384K 多模态上下文，其推理延迟随上下文长度线性增长，处理 384K tokens 仅需 2.5 秒。该模型在 Decision Index v0.2.1 上取得 61.7 分，定价为每百万输入 tokens 0.05 美元，输出免费，现已开放注册。

    发布时间：
  5. Latent Space63

    Anthropic 动态工作流如何协调 Claude 智能体

    Anthropic 在 AI Engineer NYC 大会上展示了名为动态工作流的新功能，允许主智能体自主规划、编写编排程序并管理多智能体拓扑。该功能已在 Claude Console 中上线，旨在通过测试时计算来应对更大规模的复杂工作负载。

    发布时间：
  7. Amazon Science82

    Amazon Web Services 发布 Priming：一种无需从头训练即可将 Transformer 转换为混合状态空间模型的方法

    Amazon Web Services 提出 Priming 方法，通过复用预训练 Transformer 权重，以不到 0.5% 的预训练成本将模型转换为混合状态空间模型（SSM）。

    发布时间：

    同一件事，精选收录的是《AWS 提出 Priming 方法，可将预训练 Transformer 改造成混合状态空间架构》

  8. The Decoder58

    Sakana AI 提出多智能体自我监督方法 MASS

    Sakana AI 与加州大学伯克利分校研究人员提出“多智能体自我监督”（MASS）方法，允许单一模型通过扮演任务执行者、评估者和优化者角色实现递归自我改进。实验显示该方法在多个基准测试中提升了模型性能，但研究同时指出，模型在三个角色中可能共享盲点，导致错误被误认为进展并进入下一轮训练。

    发布时间：
  9. AIHot38

    Meta 对比 Muse 模型在分布外任务的表现

    Meta 通过对比测试时计算扩展，量化了模型处理陌生任务的能力。研究发现，在相同的分布内得分下，Muse Wonder Full 在分布外任务上的表现优于 Muse Spark 1.3 趋势的预测。Meta 将这一提升归因于更强的基座模型，使其能更有效地将后训练增益迁移至未预料的任务中。

    发布时间：
  10. AIHot84

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

    AWS 团队发布论文《Priming: Hybrid state space models from pre-trained Transformers》，提出一种利用预训练 Transformer 权重构建混合架构的方法，将预训练成本降低逾 99%。

    发布时间：

    推荐理由：AWS 团队提出的 Priming 方法通过复用预训练权重构建混合架构，大幅降低了混合模型开发成本，并提供了可直接用于长上下文推理的开源模型与 vLLM 插件。

  11. AIHot62

    智谱发布法律智能体模型 GLM-Legal

    智谱推出基于 GLM-5.3-Flash 构建的法律专业模型 GLM-Legal，在 Harvey LAB 基准测试中取得 19.2% 的全通过率，较基座模型提升 12.5 个百分点。该模型通过专项训练与强化学习优化，在 LegalBench 和 PLawBench 上以更小参数规模追平前沿闭源模型，并已集成至 AutoClaw 平台供用户申请测试。

    发布时间：
  12. AIHot46

    微软推出 StudentSim 评估 AI 辅导工具

    微软推出 StudentSim 研究系统，旨在 AI 辅导工具投入实际教学测试前对其进行评估与改进。该系统通过模拟个体与辅导工具的互动过程，为 chess、写作和数学等学科的 AI 辅导工具提供反馈，从而有效提升其教学表现。

    发布时间：
  13. The Decoder68

    研究发现清理对话历史有助于 AI 智能体寻找更优解

    微软研究人员发现，AI 智能体在长任务中会因积累的对话上下文而陷入“思维盆地”，导致性能停滞。研究提出的 Fork-and-Flush 方法通过在保留工作空间的同时清理对话历史并开启并行分支，在 13 项长任务中实现了平均得分 66% 的提升，证明了定期重置上下文对提升智能体探索能力的重要性。

    发布时间：
  15. AIHot58

    Microsoft Research 提出 Fork-and-Flush：清空聊天历史帮助 AI 智能体找到更优解

    Microsoft Research 研究发现，自主研究型智能体在长任务中易陷入“思维盆地”导致性能停滞，通过引入 Fork-and-Flush 方法，在保留工作空间的同时清空对话历史，可强制智能体跳出旧有推理路径。实验显示该方法在 13 项长运行任务中将平均得分提升了 66%，证明了定期重置上下文对提升智能体探索能力的重要性。

    发布时间：
  16. AIHot42

    智谱推出法律专用模型 GLM-Legal

    智谱推出基于 GLM-5.3-Flash 构建的法律专用模型 GLM-Legal，该模型在主流法律基准测试中表现比肩前沿模型。GLM-Legal 专为合同审查、证据分析及合规等真实法律工作流设计，目前已开放 API 申请并提供 AutoClaw 试用。

    发布时间：
10月12日周一
  2. AIHot58

    大AI理论：通过三步调节推理档位提升AI工作效率

    作者提出“大AI理论”，通过三个阶段调节模型推理档位以优化任务执行：第一步在最高推理模式下利用多模态输入生成详细计划；第二步切换至中档推理进行快速执行；第三步调回高档推理对结果进行验证。该方法旨在平衡模型推理质量与执行速度，通过详细的预设需求提升中档推理的产出稳定性。

    发布时间：
  3. The Decoder43

    Andrej Karpathy：AI 真实能力与公众认知存在巨大鸿沟

    前 OpenAI 联合创始人 Andrej Karpathy 指出，公众对 AI 的认知仍停留在搜索或写作辅助阶段，而内部前沿系统已能通过智能体协作完成需专家耗时数年的复杂工程。目前约 5000 人的极少数群体已接触到能以机器速度执行网络攻防、发现新科学及推进数学前沿的系统。Karpathy 认为，AI 能力正集中在代码与数学等可验证领域，且人类的理解速度已开始落后于技术演进的垂直曲线。

    发布时间：
  5. AIHot75

    Google DeepMind 的 AlphaProof Nexus 攻克 9 个未解 Erdős 问题并经同行评审

    Google DeepMind 的 AlphaProof Nexus 在《Science》发表的研究中，独立解决了 353 个开放 Erdős 问题中的 9 个，其中 2 个问题已悬置 56 年。该系统基于 Gemini 3.1 Pro 构建，利用 Lean 形式化语言进行证明起草与修订，并结合 AlphaProof 证明工具处理复杂子问题，目前该研究已通过同行评审。

    发布时间：
  6. The Decoder75

    Google DeepMind AlphaProof Nexus 解决数十个开放数学难题并完成同行评审

    Google DeepMind 的 AlphaProof Nexus 模型在《Science》发表研究，成功解决了数十个开放数学难题，包括 9 个 Erdős 问题及 44 个 OEIS 猜想。该系统基于 Gemini 3.1 Pro 构建，利用 Lean 形式化语言进行证明草拟与校验，并能调用 AlphaProof 工具处理复杂子问题，其研究成果已通过同行评审。

    发布时间：
  7. 量子位72

    华为诺亚方舟实验室发布 Memento 3：AI 智能体通过递归自我改进通关 25 款游戏

    华为诺亚方舟实验室联合 UCL 等团队推出 Memento 3 智能体系统，在不更新模型权重或微调的情况下，利用“代码即模型”方法通关 ARC-AGI-3 评测集中的 25 款游戏。该系统通过构建可更新的规则手册与可执行世界模型，实现了递归自我改进（RSI），其操作效率比人类高出 56%，并在 Atari Pong 游戏中实现了无需大模型参与的独立策略执行。

    发布时间：
  9. AIHot48

    UC San Diego 提出通过心理模型奖励训练 7B 智能体

    UC San Diego 研究人员在论文《Mental-Models for Multi-Agent Systems》中提出，将心理理论（ToM）融入训练奖励机制，使 7B 智能体能够推断伙伴的信念与目标。该方法通过训练模型在 RL 阶段为候选回复打分，从而让智能体在部署时无需额外模型即可独立运行，有效提升了多智能体协作中的意图识别准确性。

    发布时间：
  11. AIHot76

    Hamel Husain 将 AI 评估课程浓缩为 12 张口袋指南信息卡

    Hamel Husain 将其 Applied AI Evals 课程的核心要点浓缩为 12 张信息卡，涵盖了误差分析、评估时机、指标选择、LLM 裁判信任度、合成数据生成及部署策略等关键实践。该指南旨在帮助开发者通过结构化的方法构建更可靠的 AI 系统，并提供了如转移矩阵定位 Agent 失败等具体操作技巧。

    发布时间：

    推荐理由：这份指南将复杂的 AI 评估流程拆解为 12 个实操概念，为开发者在构建可靠 AI 系统时提供了可落地的评估策略与避坑建议。

  14. AIHot59

    大AI理论：分三阶段调推理档位榨干模型能力

    作者提出“大AI理论”，通过三阶段对话流程最大化模型输出质量。第一阶段利用高档推理与计划模式整理多模态输入；第二阶段在详细需求下使用中档推理执行任务，以提升效率；第三阶段切换回高档推理对成果进行审查，据称可发现约 20% 的问题且耗时仅为从头生成的 1/3。

    发布时间：
  15. AIHot42

    丘成桐数学与人工智能实验室联盟在清华大学成立

    丘成桐数学与人工智能实验室联盟于 10 月 11 日在清华大学正式成立，旨在攻关数学科学专用大模型研发、AI 辅助数学证明与猜想发现及可解释人工智能等领域。该联盟已集结超 1000 位数学家与科研工作者，联合多家机构发布 10 余项“AI+数学”重点成果，致力于探索中国数学大模型的建设路径。

    发布时间：
10月11日周日
  1. 量子位72

    陶哲轩：数学2.0时代已至，AI冲击下的数学研究护城河在哪里？

    菲尔兹奖得主陶哲轩指出，AI正在使数学证明变得泛滥，标志着“证明稀缺”的数学1.0时代落幕。他认为AI虽能降低解题门槛，但盲目追求自动化证明可能损害数学的长期健康，并呼吁建立更透明的评估机制。陶哲轩强调，人类数学家的核心价值在于对证明的理解、解释及与现实世界的连接，而非单纯的解题产出。

    发布时间：
  2. 量子位83

    何恺明团队发布多模态视觉原生 Harness 框架 VISTA

    何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出 VISTA 框架，通过保存原始视觉信息并允许模型在推理时按需回看、放大和检查细节，在无需额外训练的情况下显著提升了多模态模型在交互式任务中的表现。

    发布时间：

    推荐理由：该研究提出的视觉原生框架通过保存原始视觉信息并支持按需回看，为多模态智能体在复杂交互任务中提升推理能力提供了可迁移的工程方法。

  3. 量子位85

    OpenAI 公开 722 篇数学手稿，声称解决四维挂谷猜想

    OpenAI 近日公开 722 篇数学手稿，其中包含声称证明了三维挂谷极大函数猜想及四维挂谷猜想的论文。这些成果基于人类数学家王虹等人的前期工作，但目前尚未经过同行评审或 Lean 形式化验证，引发了数学界关于学术权力、审稿压力及 AI 对数学研究影响的广泛讨论。

    发布时间：

    推荐理由：OpenAI 公开大量数学手稿并声称解决挂谷猜想等难题，引发数学界关于 AI 辅助研究边界与学术评价体系的激烈争议。

  4. 量子位88

    TypeSafe AI 完成 8.7 亿美元 A 轮融资，决策模型 Jev 引发行业竞逐

    TypeSafe AI 完成 8.7 亿美元 A 轮融资，投后估值达 75 亿美元。其核心产品 Jev 砍掉了传统 LLM 的生成功能，专注于路由、分类和判断等自动化决策任务，上线 3 天日处理量即达 1 万亿 Token。该赛道随后引发微软、OpenAI 及 Cloudflare 等厂商跟进，分别推出相关决策模型或 API。

    发布时间：

    推荐理由：决策模型赛道在 24 天内迅速升温，通过对比 TypeSafe AI 的融资表现与巨头跟进动作，可以观察到 AI 从生成式向后台自动化决策转型的行业趋势。

10月10日周六
  1. The Decoder66

    Microsoft 发布 Decision-1 决策模型

    Microsoft 发布了专为快速结构化决策设计的 Decision-1 模型，该模型基于 Qwen3.5-9B 构建，旨在处理分类、评估及路由任务并引导智能体在复杂环境中运行。在 36 项基准测试中，Decision-1 达到 83.5% 的准确率及 85 ms 的中位延迟，目前已通过 Microsoft Foundry 和 OpenRouter 提供服务。

    发布时间：
  2. The Decoder88

    OpenAI 发布数百项数学难题解决方案引发数学界强烈反响

    OpenAI 近日发布了 700 多份数学手稿，声称解决了数百个未解难题，引发了数学界对科研方式、职业前景及学术伦理的激烈讨论。多位数学家对 AI 解决问题的速度和方式表示震惊与沮丧，担忧人类在数学探索中的主体地位及科研意义受到冲击，同时也有部分学者探讨了 AI 辅助数学研究的潜在机遇。

    发布时间：

    推荐理由：该事件引发了数学界对 AI 介入科研方式的广泛争议，反映了学术界在面对 AI 自动化证明能力时的职业焦虑与对科研伦理的深层反思。

  3. APPSO86

    微软发布 Decision-1 决策模型，AI 行业掀起决策模型热潮

    微软发布决策模型 Microsoft-Decision-1，该模型基于 Qwen3.5-9B 训练，专注于在 Agent 任务中进行快速、低成本的概率判断。此前 OpenAI 已开放 Decisions API 公测，开源社区 vLLM 也推出了多款决策模型。这类模型不生成推理过程，仅输出预设选项的校准概率，旨在解决 Agent 复杂工作流中频繁分支判断带来的高延迟与高成本问题。

    发布时间：

    推荐理由：决策模型通过将 Agent 任务中的分支判断标准化为低延迟、低成本的概率输出接口，为大规模自动化工作流提供了可行的基础设施方案。

  4. Latent Space82

    AINews：决策模型成为产品类别及行业动态汇总

    决策模型正成为新的产品类别，多家厂商推出在单次前向传递中返回结构化结果的 API，旨在提升 Agent 任务处理效率并降低成本。文中汇总了 OpenAI、Microsoft、Perplexity 等厂商的决策模型进展，以及 vLLM 等推理框架的性能优化与 Agent 编排工具的最新动态。

    发布时间：

    推荐理由：本文汇总了近期决策模型在行业内的快速普及与应用，通过对比各厂商 API 特性及推理效率优化方案，为开发者理解这一新兴产品类别提供了参考。

  5. The Verge · AI82

    OpenAI 数学成果集中发布引发数学界震动与反思

    OpenAI 近期发布了涵盖组合数学、几何、数论等多个领域的近 400 项 AI 生成数学成果，分布在 700 多份手稿中。数学界对此反应复杂，既有对部分成果高质量的认可，也对验证难度、学术归因缺失及对现有研究计划的干扰表示担忧。目前仅约 42% 的成果经过 Lean 形式化验证，研究人员普遍认为消化这些成果可能需要数年时间。

    发布时间：

    推荐理由：OpenAI 集中发布近 400 项 AI 生成的数学成果，引发数学界对学术文化冲击、验证难度及研究范式改变的广泛讨论。