AWS 用 SeqKD 在 Amazon SageMaker AI 上蒸馏购物智能体，Qwen3.5-4B 的平均绝对成功率由 0.297 升至 0.541。教师 GLM-5.3 在 426 个训练问题上生成 850 条候选轨迹，ShoppingBench 评分器筛选后，将推理与工具调用按步编码，再用无服务器 SFT 和 LoRA 训练并部署。
推荐理由：文章完整给出了教师轨迹筛选、SeqKD 微调、基准评测与 LoRA 部署流程，并呈现任务成功率提升和通用指令能力下降的实测结果。
清华大学姚期智和袁洋团队发表代数世界模型 AWM 论文，通过探索、凝炼和 Lean 4 形式化证明构建可推理的世界模型。在 ARC-AGI-3 测试集上，AWM 通关 183 个关卡，得分 99.9%，平均通关动作数为人类基准的 43%；在一个被修改为不可能通关的关卡中，基于 Opus 5.5 的 AWM 尝试两次后证明当前步数无解，并指出只需多一步即可获胜。
推荐理由：AWM将观察、假设、凝炼与Lean 4形式化证明串成闭环，在ARC-AGI-3任务中给出可自动检查的判断，并把平均动作数降至人类基准的43%。
新芯航途发布X7 Ultra智驾芯片，700 TOPS，NPU计算利用率达98.7%。芯片采用超大核NPU、专用计算引擎和统一AI工具链，并以真实量产智驾模型进行“大模型算力”评测，量化输出与FP32基准模型相似度超过99.99%。官方称，相比行业旗舰产品，内存带宽消耗降低80%、能效提升100%，测试涉及Momenta的R7世界模型。
推荐理由：文章以真实量产智驾模型为测试对象，拆解X7 Ultra的NPU架构、AI工具链与车规安全设计，便于理解模型需求如何映射到端侧芯片效率。
REA 论文提出统一运行时，以异步方式协调基础模型驱动的审慎决策、具身路由和快速反应策略，并让运行中的策略无需等待模型决策。
推荐理由：论文把高层推理与快速控制策略的异步协同封装为统一运行时，并用控制步数、耗时与任务成功率对比呈现路由设计的收益。
Microsoft Research Focus 第 97 期汇总了 ForkPilot、CABRA、TeleTune、PBC 与 BioEmu2 等 Microsoft Research 项目进展。
推荐理由：这期内容以短篇幅串联多项研究的方向、实验结果与应用场景，可用于快速了解 Microsoft Research 的近期技术布局。
LARC 将统一多模态模型的推理从离散 token 空间转向连续隐状态，缓解 token 级瓶颈并支持测试时扩展。训练分为课程式 SFT 和信息增益 RL 两阶段，后者无需真实标签监督即可自演化潜在推理。
推荐理由：论文将推理置于连续隐状态以缓解 token 级瓶颈，并给出两阶段训练方法和 GenEval 对比，便于评估多模态推理的扩展表现。
Physical Superintelligence（PSI）称，其自研 AI 科研系统 Emmy 辅助解决了开放量子问题目录中的 5 道长期开放问题，并公开论文、Lean 形式化证明和验证代码供审查。
推荐理由：文章给出了 AI 生成假设、Lean 形式化证明与代码验证的分层流程，并附论文和代码供审查，便于读者理解科研自动化的验证路径。
IDC报告称，2026年上半年中国MaaS市场规模达106.3亿元，PPIO居独立服务商首位，并列大语言模型MaaS市场第六。市场规模同比增长889.4%，报告认为行业竞争正从Token价格转向推理效率；PPIO称其平台覆盖200+款模型，截至2026年9月日均Token调用量达3.4万亿。
推荐理由：IDC数据呈现MaaS市场分层，PPIO的模型调度、推理加速与Agent沙箱指标可用于比较独立服务商的效率取向。
扩散智能发布扩散语言模型 Clover-35B-A3B-Preview，总参数350亿，每个 token 激活约30亿参数，可用于代码生成、网页操作和工具调用。
推荐理由：文章结合页面生成实操与连续工具调用演示，列出与 Jev 的速度、成功率对比、Gemini 速度表现和代码评测数据，可用于比较扩散语言模型的 Agent 效率。
研究团队有条件地肯定这一方向：在预测、筛选、执行、更新的闭环中，轻量级 System-1 评估候选交互，资源密集型 System-2 只执行获准交互，可降低计算开销。
推荐理由：论文将有用交互密度 ρ_u 与执行成本和选择遗憾关联，给出推理规模化效率的可测量坐标与理论边界。
Google DeepMind 发布前沿模型 Gemini 4 Carbon，面向长周期智能体工作流与网络安全防御，并计划先向部分网络防御人员开放。
推荐理由：Carbon披露漏洞发现、利用验证、修复补丁及内部编码实测数据，便于对照其长周期智能体能力与安全任务表现。
论文提出 EvidenceConnect，通过同一图像相关区域的缩放视图合成问题，并用 RLVR 训练出 Zooming without Zooming v2（ZwZ2）。框架仅保留多个独立 VLM 达成一致的参考答案，并通过区域消融剔除移除相关区域后答案仍成立的问题。ZwZ2 改善了细粒度与空间感知，并在具身空间推理、多模态长上下文理解、多模态智能体任务和通用视觉推理上获得进一步提升。
推荐理由：论文把证据连接抽象为可合成能力，并用独立 VLM 一致性与区域消融筛选训练数据，给出可复用的多模态训练流程。
蚂蚁集团旗下百灵大模型正式开源面向 Personal Agent 场景的 Ling-3.1-flash-1019，并同步开放 Ling-3.1-flash-base 基础模型。
推荐理由：文章同时给出复杂任务基准变化、基础模型架构与开放许可，便于开发者评估 Personal Agent 的模型选型与二次训练空间。
Prox 用 top-k 通道选择替代依赖离线校准数据的阈值筛选，并提出完全由模型权重构建的 reader，以加速 MoE 推理。在 13% 和 18% 读取预算下的 43 组比较中，top-k 版本有 40 组匹配或超过阈值版本，其中 23 项生成任务比较均达到或更优，并避免 Gemma 4 上阈值筛选导致的重复循环崩溃。
推荐理由：论文以 top-k 替代校准阈值，并在 3 个后训练 MoE 模型上对比读取比例、准确率与推理速度。
ThinkWorld 提出 Vision-Language-Action（VLA）学习框架，将动作推理置于世界动力学中，并通过世界想象强化学习利用无动作标注的人类视频。
推荐理由：ThinkWorld 用动作标注初始化 CoD，再以世界想象强化学习利用无动作标注的人类视频，为机器人跨本体迁移提供可复用方法。
Soft-MTP 通过 KL 梯度恢复移除多 Token 预测中的噪声残差，在不增加参数且无可测开销下改善困惑度、推测解码与推理表现。该方法支持 DeepSeek 和 Meta 风格的 MTP；在 167M 至 1.2B 参数规模上，相比标准 MTP 获得更低的 NTP 困惑度、更快的推测解码和更高的 zero-shot 准确率，1.2B 模型微调后的数学与代码推理也更强。
推荐理由：论文将标准 MTP 梯度拆为 KL 自蒸馏信号与噪声残差，并给出兼容现有训练内核的一行代码改法，为多 Token 训练提供低开销路径。
面壁开源 MiniCPM-OCR 1.0 的 DSpark 推测解码草稿模型，该模型不是独立 OCR 模型，需与匹配的主检查点配对使用，可将端到端处理效率提升 55%。
推荐理由：材料提供草稿模型与主检查点配对、d2t 映射转换及 vLLM 启动配置，可用于复现 DSpark 推测解码流程。
Google DeepMind 发布 Genie 4 世界模型，可实时生成视觉、动态交互与原生音频，并通过 Gemini 理解提示、维持场景连贯性。Gemini 3.8 Flash 作为引导智能体分解目标、检查画面并动态调整计划，支持多步骤事件与因果行为模拟。
推荐理由：官方披露了 Genie 4 的实时交互、原生音频与 Gemini 引导机制，并明确列出预览范围和当前局限，便于评估其可用边界。
OpenAI 发布 GPT-6.1 Terra，标准 API 价格较 GPT-5.6 Terra 减半，主打电脑操作与多软件协同。
推荐理由：官方成绩与网友实测均围绕电脑操作、速度和成本展开，清楚呈现 GPT-6.1 Terra 与上一代及旗舰模型的取舍。
S3AC 提出一种稳定化的 Actor-Critic 训练方法，通过难度感知提示词采样改进大语言模型的长链式推理，并减少对分组 rollout 的依赖。训练后的 critic 提供 token 级优势和提示词特定基线，DAPS 再结合难度估计与历史结果，在生成前选择提示词，以减少 rollout 浪费且无需离线难度初始化。
推荐理由：论文将 critic 训练、token 级信用分配与难度感知采样整合，并用多规模模型和单 rollout 对比呈现方法收益。