何恺明团队提出NAT-ARC：用ImageNet预训练让视觉模型挑战ARC抽象推理
何恺明团队提出纯视觉ARC方案NAT-ARC，先在ImageNet上做MAE自监督预训练，再迁移到抽象格子推理。表现最好的单模型参数量0.6B，在ARC-1上跑到63.4% pass@2，三模型集成达到70.2%，逼近8B语言模型系统The ARChitects的71.6%。
推荐理由：用ImageNet MAE预训练替代随机初始化，让0.6B视觉模型在ARC-1上逼近8B语言模型系统的水平。
#推理
量子位精选AI 评分5454 Hacker News同事件AI 评分7979 OpenAI 一天发布 372 项数学突破，Scott Aaronson 称为 The Mathocalypse
OpenAI 在数学顾问组建议下一次性发布 372 项重大数学结果，包括 Subhash Khot 的 Unique Games Conjecture 证明、L=BPL、Unitary Synthesis Problem、Parity 不在 QAC0 等长期未解难题。
同一件事，精选收录的是《OpenAI一夜放出722篇数学手稿，覆盖黎曼、霍奇、BSD等千禧难题》
HF Daily Papers精选AI 评分3636 DCOCO：通过上下文校正恢复推测解码中并行草稿的块内依赖
DCOCO（DFlash Contextual Corrector）是一种面向扩散式推测解码的轻量级校正机制，通过对并行草稿相邻位置的多个候选 token 评估上下文兼容性，在不放弃并行性的同时恢复块内依赖。
推荐理由：论文指出扩散式草稿缺少块内依赖这一被忽视的代价，并给出一种轻量级并行上下文评分方案，对推测解码在多并发下的吞吐取舍有参考价值。
HF Daily Papers精选AI 评分4141 REMORY：为长上下文智能体学习残差记忆压缩历史
REMORY 提出一种神经网络记忆模块，在文本摘要之外追加一段 soft memory tokens，让冻结的大语言模型仅用 5.2% 的输入位置就能逼近全量上下文的续写效果。
推荐理由：提出用学习型 memory tokens 补充文本摘要，让长上下文智能体仅占 5.2% 的输入位置就逼近全量上下文表现。
HF Daily Papers精选AI 评分4646 FlowState 以执行状态构建长程 LLM 智能体记忆
FlowState 提出面向长程 LLM 智能体的执行状态记忆机制，通过跨请求保留并回溯结构化状态，降低完整历史带来的 token 开销。其 Incremental State Update（ISU）依据新输入和反馈维护当前状态，Progressive State Access（PSA）则按需逐步呈现历史状态与证据。
推荐理由：论文将可回溯的执行状态用作智能体记忆，并通过增量更新与渐进访问降低长程任务的 token 成本并复用历史信息。
HF Daily Papers精选AI 评分3636 论文《Thinking Inertia》：要求不思考时 LLM 仍持续输出推理
论文在 6 个 LLM 上用 6 种提示干预评测无思考行为，发现显式关闭思考模式后模型仍持续输出推理痕迹，称之为 Thinking Inertia。
推荐理由：论文提出三层评估指标来衡量无思考行为，发现显式关闭思考模式后模型仍持续输出推理痕迹，提示该能力需独立评测。
HF Daily Papers精选AI 评分3939 LatentGRM：基于语义保持压缩的潜在空间奖励建模方法
LatentGRM 提出用语义分块与压缩在潜在空间完成奖励建模，无需生成文本评估即可做配对判断。在 4B 与 8B 规模下偏好准确率与显式监督微调评判模型相当；LatentGRM-8B 在四个评测领域上将评估轨迹压缩 8.9–9.2 倍，vote@5 下总推理时间减少 6.1–7.0 倍。
推荐理由：原文给出了潜在空间评估的具体做法、压缩倍率与推理加速数据，可供关注奖励模型推理成本的研究者横向比较。
Hacker News同事件AI 评分8787 OpenAI 在 ChatGPT 中推出 GPT-6 与 Intelligent UI 交互式回答
OpenAI 在 ChatGPT 中推出 GPT-6 并上线 Intelligent UI，可让回答直接呈现图表、可点击按钮、表单和可交互组件，覆盖 ChatGPT 周活 12 亿用户。
同一件事，精选收录的是《OpenAI向ChatGPT免费用户推送GPT-6 Luna，聊天框新增Intelligent UI生成图表和交互组件》
Hacker News精选AI 评分5656 arXiv 论文论证 AI 自动形式化难以忠实翻译，质疑 OpenAI Navier–Stokes 证明
arXiv 论文 2610.08144 论证，将自然语言数学文本语义忠实地翻译为 Lean 等形式语言在 Solvability Complexity Index 层级上达到 ∞，难度高于停机问题。论文给出多个 AI 将 NL 陈述与证明误译为 Lean 的实例，包括 OpenAI 此前宣布的 Navier–Stokes 方程 blow-up 证明，并指出其形式化版本与 NL 证明不对应。
推荐理由：论文给出形式化翻译的复杂度下界，并用 OpenAI Navier–Stokes 案例展示 NL 证明与 Lean 验证之间的不一致。
Hugging Face Blog精选AI 评分6464 NVIDIA 通过微调 Nemotron 在 IOI 和 IMO 同时达到金牌水平
Nemotron-3-Ultra-CC 在 IOI 2026 拿到 535.4/600 分（来自与人类选手同条件的非官方测试），超过 361.12 的金牌线；IMO 2026 的 generate-verify-refine 系统由官方阅卷人评分，取得 30/42 分，超过 29 的金牌阈值。
推荐理由：展示了 Nemotron 通过微调与推理协同在 IOI 与 IMO 同时达到金牌水平，并公开了完整数据集与训练配方。
MIT Technology ReviewAI 评分3232 MIT Technology Review《The Download》：GLP-1 减重药显现延缓衰老迹象，Energy Dome 用二氧化碳电池储能
本期 MIT Technology Review《The Download》两大头条：Eli Lilly 与 Novo Nordisk 称 GLP-1 减重药在分子"衰老时钟"检测中显现延缓衰老迹象。
量子位精选AI 评分6262 OpenAI一夜放出722篇数学手稿，覆盖黎曼、霍奇、BSD等千禧难题
OpenAI在GitHub公开722篇数学手稿并归为372组结果，均由一个未发布的内部模型按同一流程生成，平均每项消耗算力约相当于ChatGPT Pro思考3小时。
推荐理由：原文呈现了OpenAI一次性放出722篇手稿的产出规模与数学家对其可验证性的担忧，读者可以据此了解AI数学产出与同行评议之间的速度落差。
Hacker News同事件AI 评分6060 OpenAI 分享前沿模型在数学领域的研究成果
OpenAI 发布由内部前沿模型产出的数学研究成果，存入 GitHub 仓库，并附带模型推理摘要、Pro 算力估算和问题尝试次数等透明度数据。多数结果使用的算力约相当于 ChatGPT Pro 三小时思考时长，其中许多证明已在 Lean 中形式化。OpenAI 表示未来将负责任地发布该模型，并资助围绕这些结果举办的学术活动。
同一件事，精选收录的是《OpenAI一夜放出722篇数学手稿，覆盖黎曼、霍奇、BSD等千禧难题》
Mistral AI精选AI 评分7474 Mistral 推出 Mistral Large 4 公开预览版，1T 总参数原生多模态大模型
Mistral 推出 1T 总参数、49B 激活参数的原生多模态大模型 Mistral Large 4 公开预览版，权重计划月底开源，API 已上线 Mistral Studio。
推荐理由：Mistral 推出 1T 总参数、49B 激活参数的多模态大模型 ML4 公开预览版，并附带编码、Agent、网络安全、视觉理解与科学推理等多个基准的逐项对比数据与训练基础设施介绍。
HF Daily PapersAI 评分3434 FLaRe：Flow Matching 潜在推理的关键训练要素
FLaRe（Flow-based Latent Reasoning）在学习潜在空间内用 flow matching 实现大语言模型潜在推理，覆盖潜在空间编码、流训练位置、答案读出和模型自身已验证思维再训练四个环节。该方法在有用性、多样性、可解释性、可精炼性、效率五个维度均优于既有潜在推理方法，并在算术基准上达到显式 CoT 97% 的准确率，延迟仅为其四分之一。
HF Daily Papers精选AI 评分6060 基础模型借鉴训练数据中的 token 线索即可获得推理能力
该研究指出，在基础模型回复开头固定特定 token 线索，可使其在数学和编程推理任务上达到与 RL 训练版本相当的水平。回复前的 '. Okay' 线索将 Olmo-3-7B 的 MATH-500 pass@1 从 42% 提升至 78%，'Alright,' 线索将 Qwen3-14B 从 72% 提升至 87%。
推荐理由：论文把基础模型的推理能力回溯到训练数据中的特定 token 线索，给出了一种不靠 RL 也能恢复推理表现的替代解释。
HF Daily Papers精选AI 评分4141 Naver AI 提出循环式投机解码方法 DLoop
Naver AI 提出循环式投机解码方法 DLoop，在目标模型验证前自适应执行多轮草稿生成并一次性验证全部 token，减少目标模型前向传播次数。该方法在 EAGLE-3、DFlash、Domino、DSpark 及多 token 预测模块上将 wall-clock 加速提升 5%-41%，并保持无损解码；配套的循环感知训练让草稿模型在额外草稿阶段保持可靠。
推荐理由：原文提出循环式投机解码策略，在验证前合并多轮草稿生成，可叠加在多种已有方案上额外提速 5%-41%。
HF Daily Papers精选AI 评分4646 U-Space：通过机制可解释性量化大语言模型的不确定性
研究团队提出 U-Space 方法，借助机制可解释性把大语言模型的不确定性映射到残差空间中的低维可解释基底上。U-Lens 把每个 token 状态投影到表示怀疑与确信的语义锚上，得到逐 token 的不确定性热图，可聚合成标量置信度，无需正确性标签、多次采样或额外训练；在多个推理基准的标准评估和长度控制评估下均优于已有基线，且迁移性强于有监督估计器。代码开源在 GitHub。
推荐理由：把不确定性量化做成残差空间中的可解释基底，为推理模型提供不需要标签或多次采样的置信度读数。
HF Daily Papers精选AI 评分4646 Self-Retrospection Distillation：把事后轨迹经验蒸馏成事前预判
该论文提出 Self-Retrospection Distillation（SRD），把已完成轨迹中的事后经验蒸馏为同一策略在交互前的预判，弥补 RLVR 在 rollout 奖励一致时信号消失的缺陷。
推荐理由：该方法在 rollout 组奖励一致、RLVR 失去信号的场景下仍能从轨迹中提取学习信号，为奖励稀疏的长程智能体训练提供可迁移思路。
HF Daily PapersAI 评分3131 RGPO：基于自适应 Rationale 支架的强化学习推理优化框架
RGPO 框架将真实 Rationale 作为临时支架，自适应辅助大语言模型强化学习训练，以缓解奖励稀疏问题。该方法在纯文本与视觉-语言推理任务中均优于 RLVR 基线，且不要求离线数据与 RL 任务格式匹配，为推理模型训练提供了一种通用方案。
HF Daily Papers精选AI 评分3737 受控实验检验大语言模型对序列结构的理解能力
该研究通过策略识别、Markov 规则遵循与高阶序列依赖的受控实验，揭示了大语言模型在识别策略与忠实模拟之间存在显著差距：更长上下文未必带来帮助，且匹配的动作分布可能掩盖根本错误的生成机制。这些发现对将大语言模型作为行为模拟器和交互式智能体的评估方式提出了挑战。论文见 https://arxiv.org/abs/2610.04977
推荐理由：原文用受控实验区分识别策略与忠实模拟，指出更长上下文未必有效，并提示现有评测可能高估大语言模型的序列行为能力。
HF Daily Papers精选AI 评分4242 论文提出 Belief-Trajectory Energy，量化大语言模型逐层预测轨迹
论文提出 Belief-Trajectory Energy（BTE），通过量化大语言模型逐层预测修订来刻画输入对模型内部信念的影响，并以 Fisher-Rao 几何给出理论解释。
推荐理由：原文给出了一个可在不同任务间迁移的层间轨迹度量框架，读者可以据此判断它在模型可解释性或数据筛选中的可用场景。
HF Daily Papers精选AI 评分3737 R-Quest：用问题有效性与新颖性反馈维持推理模型自进化
该工作提出 R-Quest，通过问题有效性判断和基于冻结基模型的成对新颖性反馈来指导自进化训练，在数学推理、通用推理与代码生成的 12 个基准上取得最高平均分，覆盖两种模型家族；该方法在 10 轮自进化中保持稳定提升，最终一轮比 R-Zero 高 17.32 分。
推荐理由：论文拆解了自进化推理模型训练崩塌的两个机制原因，并给出可迁移的问题过滤与新颖性反馈方案，对自训练稳定性设计有参考价值。
MIT Technology Review精选AI 评分3636 MIT Technology Review 每日通讯：前 DeepMind 成员称大语言模型不会真正推理
前 Google DeepMind AlphaGo 团队核心成员 Thore Graepel 撰文称，当前大语言模型并不具备真正的推理能力，并解释他近期离开 DeepMind 是为寻找借鉴 AlphaGo 架构的新机器推理路径。本期还汇总 OpenAI 自主智能体疑似波及逾 100 家组织、Yann LeCun 关于智能体失控的评论，以及生物逆龄竞赛、Nvidia 芯片走私等其他当日科技要闻。
推荐理由：前 DeepMind AlphaGo 团队成员发文质疑大语言模型缺乏真正的推理能力，为讨论当前模型智能边界提供一个来自一线研究者的对照视角。
NVIDIA Blog精选AI 评分6565 GPT-6 Astra Ultrafast 如何借助 NVIDIA Blackwell GPU 实现最高 8 倍推理加速
OpenAI 在 NVIDIA Blackwell GPU 上推出 GPT-6 Astra Ultrafast 模式，借助推理优化使 token 生成速度比 Astra Standard 模式最高提升 8 倍，现已在 OpenAI API 及符合条件的 ChatGPT Work 和 Codex 用户中开放。
推荐理由：OpenAI 借助 NVIDIA Blackwell 架构与自研模型优化，将 GPT-6 Astra 推理速度提升至最多 8 倍，呈现了软硬件协同迭代的具体做法。
量子位精选AI 评分6969 谷歌发布 Gemini 4 Argon：搭载 RSI，基准成绩领先 Opus 5.5 和 GPT-6
谷歌发布 Gemini 4 Argon 旗舰模型，搭载 RSI，在 DeepSWE v1.1（77.4%）、CWE-bench v1（68%）、Vals Index（68.90%）等基准上领先 Claude Opus 5.5 和 GPT-6 Astra，并在 Code Arena 排第八。
推荐理由：文章集中给出 Gemini 4 Argon 与 Opus 5.5、GPT-6 Astra 在 DeepSWE、CWE-bench、Text Arena 等基准上的横向对照和价格差异，读者可据此定位它在前沿模型梯队中的相对位置。
Google DeepMind同事件AI 评分7070 Gemini 4 Argon：Google DeepMind 推出新一代前沿模型
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，主打长链路推理与企业级工作流，覆盖复杂软件工程、法律与金融知识工作以及网络安全防御。
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》
HF Daily PapersAI 评分3131 选择式结构化推理（SSR）：迈向高效多模态搜索智能体
研究提出选择式结构化推理（SSR）框架，将多模态搜索智能体的推理从开放式生成改为从预定义自然语言候选中选取，以降低小模型开销。在 2B 和 4B 模型、七个多模态搜索基准上，SSR 结合监督微调与多种强化学习目标，在任务成功率与同规模领先搜索智能体相当的同时，将单轮推理延迟降低超过 90%，整体每题模型推理延迟降低 28-54%。
HF Daily PapersAI 评分3434 LLM 能否借助先前问题的计算解决新问题？论文提出 STAIR 方法
研究提出 STAIR（Stale-Token Attention for Inter-query Reuse）方法，通过复用先前回答中的 key-value 帮助 LLM 提升后续问题准确率。该方法保持基础模型冻结，仅训练 12,288 个参数；在三个 Qwen 模型和四个 benchmark 上，将带历史的后续轮次平均准确率最高提升 11.67 个百分点。
AWS Machine Learning Blog精选AI 评分5858 xAI Grok 4.7 上线 Amazon Bedrock，支持 500K 上下文与四档推理
xAI 的 Grok 4.7 在 Amazon Bedrock 上线，提供 500K token 上下文与 low、medium、high、xhigh 四档可配置推理强度。
推荐理由：原文给出 Grok 4.7 在 Bedrock 上的 500K 上下文、四档推理设置，并附带 Artificial Analysis 对比 Grok 4.6 的评测数据。
HF Daily PapersAI 评分3434 Parallel Power Tempering（PPT）：以并行采样将小语言模型推向推理前沿
研究者提出并行幂次回火（PPT）采样方法，通过并行运行不同锐化强度的多个副本缓解幂次采样中的探索-利用矛盾。实验表明 PPT 显著优于单链幂次采样与强化学习后训练模型，产生的推理轨迹质量更优，部分任务上性能可媲美前沿模型。
HF Daily PapersAI 评分3434 MemFold：通过在线策略优化学习用于长上下文个性化的紧凑软记忆
MemFold 提出固定预算软记忆方案，将查询条件化的文本记忆压缩为 K 个连续向量作为 reader 的记忆接口，并通过组相对奖励与置信度门控的在线策略蒸馏在 reader 自身 rollouts 上训练；冻结的文本记忆教师仅对采样 token 重打分，不做自回归解码，推理时完全移除。
HF Daily PapersAI 评分3434 E-MoE：面向非因子化扩散语言模型的增强型 Mixture-of-Experts
E-MoE 提出将扩散语言模型的反向过程构建为基于 MoE 专家路由离散共享隐变量的因子化分布混合，以避免高斯潜变量方法的后验坍缩问题。在合成多模态基准、二值化 MNIST 和 LM1B 上的实验中，E-MoE 在少步生成场景下优于因子化基线，且相较该基线未增加激活参数。
Latent Space精选AI 评分7676 Claude Opus 5.5 与 GPT-6 Sol/Luna 同日发布，多家 API 同步降价
AI 日报 Latent Space 汇总：Anthropic 发布 Claude Opus 5.5，官方称多数任务达到 Fable 5.1 水平、运行成本较 Opus 5 低约 40%，API token 价格从 $5/$25 降至 $4/$20 每百万，并在 Claude Code 与 API 中设为默认模型。
推荐理由：两款旗舰模型同日发布并集体降价，文中给出基准对比、token 成本逐项拆解与社区多组实测数据。
Simon Willison精选AI 评分7979 Claude Opus 5.5 与 GPT-6 Sol/Luna 同日发布，价格战全面升级
Anthropic 发布 Claude Opus 5.5，OpenAI 同步推出 GPT-6 Sol 和 GPT-6 Luna，三款模型较前代均大幅降价，其中 GPT-6 Luna 定价 $0.10/$0.50 per M tokens，Opus 5.5 输入降价 20%、缓存读取降价 60%。
推荐理由：作者实测了三款同日发布的新模型，给出一张直观的横向价格对比表，并记录了首次发现的过思考中断现象。
Anthropic News精选AI 评分8181 Anthropic 发布 Claude Opus 5.5，能力接近 Fable 5.1 且运行成本降 40%
Anthropic 发布 Claude Opus 5.5，能力接近 Claude Fable 5.1，运行成本比 Opus 5 低 40%，输出速度提升超 30%。
推荐理由：Anthropic 在能力接近 Fable 5.1 的同时把 Opus 5.5 的运行成本压低 40%，并附上编码、知识工作与对齐的多项基准对比。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款语音对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，分别面向规模化与成本效率、以及高复杂度任务与多步推理。
推荐理由：两款模型分别面向规模化部署与高复杂度语音推理，附带多项基准成绩与上线渠道，便于横向评估它在对话语音赛道的位置。
OpenAI News精选AI 评分5757 OpenAI 发布 GPT-6 Astra 面向企业工作场景
OpenAI 发布面向企业的 GPT-6 Astra 模型，主打高级推理、计算机操作以及更强的写作与设计判断能力。
OpenAI News精选AI 评分4444 OpenAI 公布 AI 生成的纳维–斯托克斯千禧年数学难题解答及 Lean 形式化证明
OpenAI 公布了对纳维–斯托克斯千禧年数学难题的 AI 生成解答，并附完整论述与 Lean 形式化证明。原文仅提供 feed 摘要，更多内容见 https://openai.com/index/navier-stokes-solution 。
推荐理由：OpenAI 给出千禧年数学难题的形式化解答与 Lean 验证，让读者可独立核查这一数学宣称的可信度。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型，分别面向通用推理编码与网络安全防御。
推荐理由：同一价位下编码与推理能力相对前代明显提升，且同步给出安全专用版的基准与开放范围，读者可据此做选型对照。