Event-STVG 提出长视频事件推理的时空视频定位任务与大规模基准，将重复事件区分、事件定位、角色推断和多目标定位纳入统一评测。基准覆盖足球及另外7个领域，共标注4,016次事件出现；最强模型在10分钟跨度上的 m-vIoU 仅为5.4%，并持续混淆重复同类事件。代码与标注地址为 https://github.com/THU-KEG/Event-STVG。
推荐理由：基准将重复事件区分、角色推断和多目标时空定位放在同一任务中，便于比较 MLLM 在长视频事件理解上的细粒度能力差异。
面壁 MiniCPM 在 Hugging Face 开源 MiniCPM-V-4.7-35B-A3B-DSpark，这是专为 MiniCPM-V-4.7-35B-A3B 配对的 DSpark 投机解码草案模型，含 5 层约 3.89 亿参数，单次前向生成 15 个 token，使用 200 万样本训练 6 轮 AdamW。
推荐理由：DSpark 草案模型的训练配方与 vLLM、llama.cpp 的投机解码接入示例都在原文给出，为 MiniCPM-V-4.7 的推理加速提供了一个现成方案。
OpenAI 据 The Information 报道将在年底前推出「一两款新模型」，但下一代旗舰模型因对齐工作和测试基础设施尚未完成而可能延期。该旗舰采用与 Astra 相同的 looped transformer 架构，对同一 Transformer 层多次循环以提升数学和编码性能，但部分推理会进入不可读的内部数值表示，削弱链式推理监控。
推荐理由：原文披露了 looped transformer 在性能提升与可监控性之间的权衡，以及 OpenAI 内部对齐算力规模的实际数据，可作为评估新一代模型安全边界的参考。
《Building an LLM from Scratch in TypeScript》是一份在 Node.js 与 TypeScript 中从零搭建大语言模型的分章节指南，逐章覆盖数据集与 dataloader、注意力机制、Transformer block、GPT 与训练循环。
推荐理由：原文逐章给出从注意力机制到训练循环的可运行实现路径，读者可以跟着把 Transformer 的每一层都搭起来。
Open-o3-Video-v2 将视频推理建模为统一的智能体证据获取流程，先识别缺失信息、获取额外观察，再把支持推理的时空对象定位写入轨迹后继续作答。
推荐理由：原文提出把视频推理拆为可验证证据获取的智能体流程，并给出具体基准结果，读者可据此评估该范式在长视频任务上的实际收益。
Agent-Reflex 是一个面向语言智能体的通用反思训练框架，包含环境反思技能发现（RSD）、反思监督微调（ReSFT）和反思策略优化（ORPO）三个阶段。
Quanta Magazine 长文回顾了 attention 机制从 2014 年 Bahdanau 在 Bengio 实验室提出，到 2017 年 Google 团队发表 Transformer 论文《Attention Is All You Need》的关键演化。
推荐理由：梳理 attention 机制从 Bahdanau 2014 年工作到 Transformer 诞生的脉络，并结合亲历者观点探讨其与智能的关系。
面壁智能与OpenBMB正式开源多模态模型MiniCPM-V 4.7，包含35B-A3B（MoE，总参数35B、激活3B）与1B两个版本，其中35B-A3B在iPhone 17 Pro Max上仅占约3G内存，断网状态下解码速度可达每秒13个token以上。
推荐理由：原文给出了35B MoE模型仅用3G内存就能在手机上运行的前瞻专家调度与量化方案，可作为端侧部署的工程参考。
MolLean 提出一种用于化学推理的过程可验证语言，借助显式分子状态、基于 Lean 的验证和交互式工具反馈，以减少生成与反应任务中的模型幻觉。其分层 Lean 内核检查状态转换与断言，MolLean-MCP 状态化工具接口在生成时暴露状态转换、检查与分子读数，模型据反馈决定下一动作，被拒绝的动作不改变状态；框架支持单次轨迹执行、整条轨迹修订和交互式推理。
推荐理由：论文将化学推理表示为可验证的分子状态转换，用 Lean 内核检查状态变化，并在 12 个任务上比较三种执行模式，为可检查、可修订的推理流程提供方法参考。
Google 发布面向机器人场景的 Gemini 4 Argon，在 ERQA 具身推理基准上以纯推理方式取得 87%，超过其他前沿模型。
同一件事，精选收录的是《Google 发布 Gemini 4 Argon 前沿模型，定价 $2/$10 每百万 token》
Google 今日开始在 Gemini App 和 Antigravity 中向付费用户推送 Gemini 4 Argon，低层级付费方案暂不提供完整访问，模型能力与上月公布时保持一致。
Google 发布 Gemini 4 Argon 前沿模型，在 Vals Index 排名第一、ERQA 推理基准得分 87%。模型通过 Gemini API、AI Studio、Antigravity、Gemini app 等渠道全球开放，提供 1M 统一输入输出上下文，定价 $2/$10 每百万 input/output token，缓存输入享 95% 折扣。
推荐理由：原文给出定价、上下文上限与多项工程落地案例，可据此评估它在长链路编程与 Agent 场景中的实际替代价值。
Google DeepMind 发布 Gemini 4 Argon 前沿模型，主打编码、金融、法律、网络安全和科学等复杂任务，在 Vals Index 等多领域基准排名第一。
同一件事，精选收录的是《Google 发布 Gemini 4 Argon 前沿模型，定价 $2/$10 每百万 token》
Google DeepMind 发布 Gemini 4 Argon，作为面向机器人栈的通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
Google 正式发布 Gemini 4 Argon 模型，宣称在编码、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。
同一件事，精选收录的是《Google 发布 Gemini 4 Argon 前沿模型，定价 $2/$10 每百万 token》
Google 发布 Gemini 4 Argon 大模型，主打 1M token 输出上限、多智能体视觉循环与长任务推理能力。在 Vals Index（68.9%）、DeepSWE v1.1（77.9%）、CWE-Bench（68.0%）等基准上对标 GPT-6、Claude Opus 5.5 等模型，模型已向 Google AI Pro 与 Ultra 订阅用户开放。
同一件事，精选收录的是《谷歌发布 Gemini 4 Argon：搭载 RSI，基准成绩领先 Opus 5.5 和 GPT-6》
AWS 团队在 Amazon SageMaker AI 上公开三项 Mixture-of-Experts GPU kernel 优化，单项分别带来 2–4% 吞吐提升、10% 吞吐提升和 9% 首 token 时延下降。
推荐理由：原文给出 Swap-AB 转置、Triton 后端路由与消除 JIT 重编译三种 MoE 推理优化手段及对应吞吐与时延数据，便于在同类推理栈中复用。
苹果机器学习研究团队发表论文 Minions，提出一种聚合 macOS 设备上空闲 Apple Silicon GPU 构建分布式虚拟 GPU 云的方案。该系统提供容错和灵活的任务调度能力，可在不采购额外 GPU 的前提下利用现有 macOS 设备执行大规模机器学习推理负载，作为集中式 GPU 资源受限环境下的替代平台。
推荐理由：原文给出聚合空闲 Apple Silicon 设备做分布式推理的架构思路，可作为集中式 GPU 受限场景下的替代参考。
HybridAgent 提出在统一生成过程中动态切换潜在推理与文本交互的智能体框架，通过轻量级 HybridLink 衔接两种模式，并由连续工作记忆保留多轮上下文，再配合 HybridSFT 与 HybridRL 两阶段后训练方法。
推荐理由：HybridAgent 把潜在推理与文本交互整合到统一生成过程里，为带工具调用前缀的 agent 设计提供了一种可借鉴的混合推理路径。
论文 LLM2R 把三维零件拼装任务建模为序列预测，用 Point-BERT 编码器和 Q-Former 把每个零件压缩为几何 token，再用配合 LoRA 的因果大语言模型在一次前向传播内预测全部零件 SE(3) 位姿。
推荐理由：作者展示了把因果注意力大语言模型一次性预测全部零件位姿的方法，给出了随零件数扩展和零样本迁移的对比结果，可作为 LLM 迁移到三维几何的参考。
Google DeepMind 的 AlphaProof Nexus 解出了 353 个开放 Erdős 问题中的 9 个（含两道悬而 56 年的题）、44 个 OEIS 整数序列猜想、1 个代数几何开放问题，并改进了 min-max 优化中的一个已知界，成果发表在 Science 上并通过同行评审。
推荐理由：AlphaProof Nexus 通过 Science 同行评审发表 AI 解出的开放数学题成果，与近期未经评审的 AI 方案形成对照参考。
微软基于阿里Qwen3.5-9B后训练推出决策模型Microsoft-Decision-1，在结构化决策任务的时延和准确性上超过了LLM及Jev 1.13.0等热门决策模型，或将推广至更多领域。
同一件事，精选收录的是《微软推出 Microsoft-Decision-1 决策评分模型，已上线 Microsoft Foundry》
论文提出 Tracking-Value PPO（TPPO），通过累计式 value 参数化与终局监督改进稀疏奖励下的 credit assignment，在 Qwen3-4B-Base 和 Qwen3-8B-Base 上数学推理分数分别比 PPO 提高 7.0 和 8.4 分。
推荐理由：原文提出了 Tracking-Value PPO 方法与价值演化的可加性分析，可作为稀疏奖励下改进 PPO 价值估计的参考。
AUGUstus 提出一种统一扩散式动作生成与自回归 CoT 理解的自动驾驶 VLA 模型，训练时 CoT 监督动作生成，推理时仅输出动作以实现低延迟。该模型在 NAVSIMv1 取得 94.6 PDMS，NAVSIMv2 取得 90.7 EPDMS，均为不使用 scorer 模块的 SOTA；在 nuScenes 上平均 L2 误差 0.27 m、平均碰撞率 0.05%。
推荐理由：原文在自动驾驶 VLA 模型的速度与可解释性权衡下提出统一扩散动作生成与自回归 CoT 的方案，端到端规划方向可参考其训练与推理分离的思路。
LongR 是一个通过强化学习提升大语言模型长上下文推理能力的统一框架，将「思考-阅读」机制与基于相对信息增益的上下文密度奖励相结合，无需证据标注即可量化相关文档的效用。
推荐理由：原文提出了基于相对信息增益的密度奖励设计，并在多套长上下文基准上给出可复用的提升幅度，为长上下文强化学习的奖励工程提供了一种具体方案。
陶哲轩在演讲中宣布数学2.0时代已至，认为AI正把数学从证明稀缺推向证明泛滥，并归纳出数学易受AI冲击的三个条件：证明可客观检验、对象与推理高度可数字化、高质量文献已数字化。
推荐理由：陶哲轩把AI对数学的冲击拆成三个叠加条件，并指出证明泛滥之后，理解与评估机制才是新瓶颈。
OpenAI 于 10 月 7 日一次性公开 722 篇数学手稿，其中编号 074 的两篇声称证明挂谷猜想在三维的极大函数版本与四维的 Hausdorff 维数版本。
推荐理由：文章把两篇挂谷论文的证明内容、对王虹工作的继承与推进讲得较为细致，读者可据此判断 AI 攻克开放数学难题的实际进展。
作者以 Qwen/Qwen3-1.7B 为例，演示通过约束解码把模型输出限制在固定选项（A-E），单次前向即可选出概率最高的答案；在 CommonsenseQA 随机样本上准确率为 0.5938，简单微调后提升到 0.6241。
推荐理由：原文给出从约束解码到温度校准的完整代码与评测，读者可以照搬这套方法把任意 LLM 改成固定选项的决策模型。
NoteBank 是一面向线性注意力的稀疏情节记忆机制：把选定文本存档后，通过主干原生前向计算回放，无需额外训练、外挂嵌入模型或独立检索器即可即插即用。
推荐理由：训练无关的稀疏记忆外挂让线性注意力在百万 token 上仍保持检索能力，并可直接挂接到现有预训练骨干上复用。
TypeSafe 旗下 Jev 在发布三周内 ARR 突破 1 亿美元、估值达 75 亿美元，使决策模型成为各家竞逐的新形态 API，OpenAI、Microsoft、Perplexity、Cloudflare 等同日发布同类产品。
数学家陶哲轩在博客发表文章，面向数学同行介绍 Lean 定理证明器的可靠性问题，以及 AI 在形式化证明中的相关应用与思考。
推荐理由：陶哲轩从数学家视角梳理 Lean 定理证明器的可靠性与 AI 相关要点，为读者提供形式化证明与自动证明的入门参照。
TypeSafe AI 在 Jev 推出数周后完成 8.7 亿美元融资，估值达 75 亿美元，由 Andreessen Horowitz 领投，Sequoia 和 DCVC 跟投。
推荐理由：在主流路线集中于 LLM 的背景下，Jev 选择以 transformer 输出概率而非文本并面向自动化，可作另一类模型范式的对照参考。
微软推出 Microsoft-Decision-1 决策评分模型，主打低延迟结构化决策任务，并已在 Microsoft Foundry 上线、即将在 OpenRouter 提供。
推荐理由：原文给出了与 LLM 和同类决策模型的延迟与准确率对比，读者可以据此判断该模型在路由、分类等高频决策环节的替换价值。
OpenAI 本周一次性发布约 400 项 AI 生成的数学成果，分布在覆盖组合数学、几何、数论、理论计算机科学等多个领域的 700 多份手稿中。The Verge 采访的数十位数学家认为完全理解这些成果可能需要数年；目前仅约 42% 的手稿在 Lean 中形式化，质量参差不齐，已有三篇因符号错误被撤稿。
推荐理由：报道汇总了数学家对 OpenAI 一次大规模数学成果发布的反应，便于读者理解这轮 AI 冲击对学术生态的具体影响。
本文在多模态语言模型中发现一个名为 S-Space 的线性表征子空间，其物体 token 表征会沿水平、垂直和距离轴编码连续坐标，并随非空间问题也保持可读。研究表明 S-Space 是模型内部的空间工作区，可被感知写入、内部推理转换，并在语言回答时被选择性读取。作者进一步把它用作空间推理失败的诊断工具，指出模型虽能形成合格的空间表征，但在跨视角变换所需的空间推理上存在关键瓶颈。
推荐理由：提供把多模态语言模型空间表征拆成可读子空间的方法，能用来诊断空间推理失败并定位瓶颈。
SpatialASM 提出主动空间心智化（ASM）训练框架，让 LVLM 从被动观察图像转为主动规划视角并在内部重建缺失的空间证据，推理时无需额外视图或渲染器。该方法借助 allocentric 新视角生成器合成可验证的"规划—想象—推理"轨迹，在四个 LVLM 主干与七个空间基准上提升了空间推理能力，同时保持通用视觉能力。
PreSTO 提出针对 PowerMH 幂次采样的子树预取加速方法，在不改变 Metropolis–Hastings 转移核的前提下，把未来提议以一个模型调用批量预取，再沿已实现路径用原 MH 规则接受。
推荐理由：在保持 MH 转移核不变的前提下给出可复现的推理加速方法，并附带在多个数据集与模型上的实测数据，便于迁移到其他采样器优化。
研究者提出一套基于信息量（矩阵熵）与多样性（CKA）的多层隐藏状态选择框架，用于优化推测解码中的层选择策略。该框架引入 token-entropy 过滤和熵/CKA 层选择算法，在 EAGLE3 风格的推测解码中，所选层集优于默认的 [2, N//2, N-3] 等固定规则，同时为理解 LLM 解码器隐藏状态的几何与信息结构提供了实用分析工具。
针对 Qwen3 系列模型（1.7B–8B）以 NO-THINK 模式训练并施加强化学习的研究发现，RL 带来的精度提升主要来自思考泄漏，NO-THINK 模型逐渐表现出原本 THINK 模式的行为。
推荐理由：论文通过权重、激活和注意力头干预给出因果证据，提示读者重新评估强化学习对推理能力的实际增益来源。
研究者提出 Q-learning with Scalar Adjoint Matching（SQAM），用闭式标量伴随替代逐步向量-雅可比积，把价值梯度按 flow 时间缩放，从而为 flow 策略做 RL 微调。在 OGBench 最难的 4 个领域，SQAM 的成功率比最强基线高出 18 到 35 个百分点；在真实双臂机器人上微调 VLA 策略时，三个任务也都优于监督微调。
推荐理由：原文给出把 RL 微调 flow 策略的逐步向量-雅可比积换成闭式标量的推导，并报告在真实机器人任务上超过监督微调，可作为该方向后续工作的方法基线。