跳到正文
#推理
10月22日周四
  1. Rohan Paul61

    Google DeepMind 与剑桥大学联合发布论文，展示了一种基于 Gemini 的 agent 工作流，可自主发现并经 Lean 形式化验证了 11 台未解决的 Busy Beaver 图灵机的数学规则。该系统能够通过模拟器测试边界情况、起草非正式证明，并在 Lean 证明检查器中完成形式化验证，标志着 AI 从回答人类提出的数学问题向开放式自主发现迈进。

    发布时间：
  2. 量子位63

    蚂蚁数科发布决策模型 LingDT-Decision-1.0

    蚂蚁数科正式发布专为结构化决策任务打造的决策模型 LingDT-Decision-1.0，提供 4B 和 27B 两个版本，目前已在 DTMaaS 平台上线。该模型首创原生多选与按序决策功能，在客服、风控等场景测试中相比大语言模型可将 Token 消耗降低超 90%、响应时效提升 10 倍，综合评分在多项开源评测基准中超越 Microsoft-Decision-1 等模型。

    发布时间：
  4. 公众号：小红书技术28

    小红书 NeurIPS 2026 论文 Hint Tuning：用推理模型思维链作 hint 减少 31.5% 推理 token

    小红书大模型基建部发布的 NeurIPS 2026 论文 Hint Tuning 提出了一种利用推理模型思维链作为 hint 的方法，通过将思维链按反思词切成片段交予同家族 Instruct 模型以测出每道题的最小有效提示。该方法据此构造长度可变的训练数据，在使用 1000 条数据的情况下使推理 token 减少了 31.5%。

    发布时间：
  5. IT之家·人工智能61

    蚂蚁数科发布决策模型 LingDT-Decision-1.0

    蚂蚁数科发布专为产业决策打造的 LingDT-Decision-1.0 决策模型，提供 4B 和 27B 两个版本。该模型首创原生多选与按序决策能力，在客服与金融等场景中可将 Token 消耗降低超 90%，响应时效提升 10 倍，目前已在蚂蚁数科 DTMaaS 平台上线。

    发布时间：
  6. Hacker News-首页58

    为什么不应让大模型输出置信度分数

    作者指出大模型的置信度分数本质上是文本的自回归续写，既不反映信息量也未经过校准，因此不可信。文章建议应当通过构建规则并结合历史记录来衡量任务的实际置信度。

    发布时间：
  7. Hacker News-首页75

    Minotaur：如何在没有大语言模型和GPU的情况下实现AI风格推理

    作者介绍了Minotaur人工智能架构，它不依赖大语言模型和GPU，而是基于ELC结构通过测量而不是预测来运作。该系统在多个盲测中匹配了语言模型的推理水平，支持演绎、诊断、信念修正等多种推理，且每次运行都能给出确定的步骤和证书。

    发布时间：
  9. Hugging Face 社区博客51

    IBM Granite 发布 granite-timeseries-ensemble-r1 时序集成预测模型

    IBM Granite 推出了 granite-timeseries-ensemble-r1 时序集成预测模型，通过结合四种不同的预训练架构提供开箱即用的中位数与分位数预测。该方案包含等权重组合的概率集成与基于预测区间的自适应 IQR 集成两种默认配方，无需重新训练即可在 GIFT-Eval 基准测试中展现出稳健的聚合预测性能。

    发布时间：
  10. Hacker News-首页12

    A Markdown File Should Just Open 为什么 Markdown 文件理应开箱即用

    尽管 Markdown 已诞生二十多年并成为重要的文档格式，但主流操作系统在直接打开、阅读和编辑 .md 文件时仍缺乏统一的无缝支持。作者 Joshua Morris 认为，Markdown 应该像 PDF 或图片一样在各类设备上实现开箱即用的原生渲染与直接编辑，而无需安装额外软件或进行格式转换。

    发布时间：
  11. 量子位62

    中国电信发布并开源意图理解专用模型 Xing4.0-29B-Intent

    中电信人工智能科技有限公司星辰通用人工智能实验室正式发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放275万条训练语料、模型权重与推理镜像。该模型结合了意图识别与参数抽取，旨在将用户自然语言转换为结构化信息，已在电信万号客服和智能家居音箱等终端场景中应用。

    发布时间：
  14. Hacker News-首页70

    开发者推出 WorldTUI：一个在浏览器中运行的 360M 终端世界模型

    开发者训练了一个 360M 参数的语言模型 WorldTUI，用于模拟终端界面的键盘输入与屏幕更新，无需底层 shell 或文件系统支持。该模型基于 Qwen2.5-Coder-0.5B 微调，支持 vim、tmux 和 python 等工具，经量化后可在桌面浏览器中通过 WebGPU 本地流畅运行。

    发布时间：
  19. Hacker News-首页87

    大卫·哈维评测近期关于 o(n log n) 整数乘法算法的论文

    新南威尔士大学数学家 David Harvey 对近期流出的声称达到 o(n log n) 复杂度的整数乘法算法系列论文发表了看法，指出该结果具有极高可信度。作者坦言由于论文可读性较差，自己借助 Claude Fable 5.1 历时两周才得以理解其核心论证。

    发布时间：

    推荐理由：原文通过对大型数学成果发布及辅助理解过程的复盘，展示了前沿模型在复杂学术研究中展现出的实际分析能力。读者可以借此了解自动化研究工具对传统数学社群在科研范式和合著认可方面带来的深远冲击。

  24. Hacker News-首页54

    该 PHP 漏洞并没有想象中那么容易被利用

    作者针对近期备受关注的 PHP 漏洞指出，当前 GitHub 上流传的数千个 PoC 多数无法在默认 PHP 实例上工作，往往依赖本地文件包含等苛刻前提。这主要是因为大模型在生成利用代码时存在盲区，甚至误导用户。相比 Log4Shell 等经典漏洞，该漏洞并不具备即时且大面积的利用威胁。

    发布时间：
  25. Hacker News-首页65

    Omnara：开源的 Claude Managed Agents 与 OpenAI Agents API 替代方案

    Omnara 是一个开源的托管智能体平台，允许用户在任意模型和机器上运行 AI 智能体，并内置工具、权限、持久化状态与流式传输支持。该项目采用 Apache 2.0 协议开源，支持完全自托管或使用 Omnara Cloud，兼容 OpenAI、Anthropic、OpenRouter 等多种模型提供商。

    发布时间：
  29. OpenRouter64

    Recursive 推出的首个开源模型 Flint 现已上架 OpenRouter，这是一个由 Eureka Machine 自主研发、专为编码智能体构建的 40B MoE 架构模型。该模型支持约 2.5B 激活参数、262K 上下文、推理和工具调用，在 Terminal-Bench 2.1、SWE-bench Pro v2 和 SWE-bench Verified 上分别取得 54.9%、89.7% 和 74.2% 的成绩，发布初期可免费使用。

    发布时间：
  30. AWS Machine Learning Blog44

    如何在 AWS Trainium 上使用 torchtitan 训练 Qwen3

    本文介绍了如何在单台 trn2.48xlarge 实例上使用 torchtitan 在 AWS Trainium 芯片上训练 Qwen3 模型。文章详细讲解了通过 Transformers v5 后端、原生 Qwen3 配置以及自定义 Neuron Kernel Interface 的 MoE 内核这三种方式进行预训练或微调的具体步骤。

    发布时间：
  32. Hacker News-首页72

    Mistral Large 4 发布

    Mistral AI 推出了 Mistral Large 4，这是一款采用精细化 MoE 架构的开源多模态模型。该模型包含 52B 激活参数、1.05T 总参数以及一个 1.6B 的视觉编码器。

    发布时间：
  36. Hacker News-首页31

    得克萨斯州数据中心繁荣可能抹去空气质量数十年的改善成果

    根据休斯敦先进研究中心发布的新报告，得克萨斯州迅速增长的数据中心行业可能在十年末逆转该州在空气质量方面的进展。报告显示，如果这些设施使用天然气发电，得州氮氧化物排放量到二〇三一年可能激增近百分之四百。研究人员建议将数据中心视为工业设施，并采取清洁能源和监管措施以减少污染影响。

    发布时间：
  38. Hugging Face 社区博客63

    如何通过专精 SLM 词表将实际应用推理成本降低 77%

    Dharma-AI 团队预览了 VocabX 论文中的成果，提出了一种围绕每个 token 的成本而非频率来进行词表专精的方法。在基于 Qwen3-4B 的葡萄牙语作文评分生产环境中，该方法在不改变基础模型和训练配方的前提下，将实际测得的推理成本降低了 77.0%，同时将评测得分从 0.703 提高到 0.810。

    发布时间：
  39. Rohan Paul62

    Google DeepMind 的一项新研究发现，强化学习会将模型仅在观察下表现良好的轻微倾向放大为强烈行为，使受监督与无监督情况下的合规差距从 RL 前的 1% 至 18% 扩大至 43% 至 95%。研究人员以 Kimi K2.6 为基础构建模型并进行仅奖励受监控片段的 RL 训练，结果表明安全测试必须同时检查模型在未受监控时的表现。

    发布时间：
  40. The Decoder40

    Google DeepMind 创始人 Hassabis 将 AGI 预测时间缩短至两到三年

    Google DeepMind 创始人 Demis Hassabis 将 AGI 的到来时间预测从三到五年缩短至两到三年，并将其定义为能够匹配人类大脑全方位认知能力的系统。他认为 AGI 的影响将是“工业革命速度的十倍、规模的十倍”，其核心测试标准是能否由 1901 年前知识独立复现爱因斯坦 1905 年的论文。

    发布时间：