OpenAI 发布面向企业的 GPT-6 Astra 模型
OpenAI 发布 GPT-6 Astra，称其为面向企业的最强模型，具备更强的推理能力、计算机使用能力，以及更好的写作与设计判断力。
#推理
OpenAI News精选AI 评分7575
OpenAI NewsAI 评分4545 OpenAI 分享 Navier–Stokes 千禧年难题的 AI 生成解答
OpenAI 分享了一份由 AI 生成的 Navier–Stokes 千禧年难题解答，包含完整说明文档和一份用 Lean 编写的正式证明。
Hugging Face Blog精选AI 评分6161 用 TRL 和 OpenEnv 开源复现训练代码模型画水彩的完整配方
作者用 TRL 和 OpenEnv 开源复现了 Surya Narreddi 训练语言模型写 p5.brush 代码画水彩的配方，参考池数据集、RL 环境、训练脚本和模型全部公开，整条流水线可在 Hugging Face 上一条命令跑通。
推荐理由：文章完整拆解了用 TRL 和 OpenEnv 复现审美奖励训练的全过程，含三组奖励配比对比与踩坑记录，可直接迁移。
Hugging Face BlogAI 评分5656 用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出合规率
Hugging Face 发布教程，用 TRL 库的 GRPO 对 LFM2.5-350M 做 LoRA 微调，约 500 条样本、100 步训练，在 IFStruct 基准上通过率从 22.6% 提升到 29.7%，其中 JSON 从 18.0% 升至 31.9%，YAML 基本持平。
Hugging Face BlogAI 评分5656 BenchMIRT：审计 LLM 评测基准在题目层面究竟测量什么
Hugging Face 与 Allen AI 介绍 BenchMIRT，一种在单条题目层面审计 LLM 评测基准的方法，基于多维 IRT（MIRT）估计模型在各能力维度上的强度与每道题的难度和区分度。
Hugging Face Blog精选AI 评分7474 IBM 发布 Granite 4.2 推理模型家族并详解构建过程
IBM Granite 团队发布 Granite 4.2 推理模型家族，含 3B、8B、30B 三个稠密 decoder-only 尺寸，均以 Apache 2.0 开源，支持 thinking/non-thinking 切换、低强度思考模式与原生工具调用。
推荐理由：原文完整拆解了从预训练到多阶段RL的构建流程，可迁移了解推理模型的训练配方。
Hugging Face BlogAI 评分4747 Hugging Face 提出 Quantization-Aware Healing：4-bit 压缩模型在 9 项 benchmark 中 7 项反超全精度原版
Hugging Face 提出 Quantization-Aware Healing（QAH），将 GPT-OSS 120B 结构压缩至 60B 参数并量化为 MXFP4 后，在 9 项 benchmark 中有 7 项反超其 bfloat16 全精度版本，包括 AA-LCR +7.4、AIME 2025 +5.6。
Hugging Face BlogAI 评分5656 Liquid AI 开源 LFM2.5 系列 DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 三款模型发布 DSpark 草稿模型检查点，加入投机解码路径，在不改变输出质量的前提下带来最高 3.18 倍 GPU 吞吐提升和最高 2.87 倍端侧提速，并将 LFM2.5-2.6B 的函数调用延迟平均降低 57%。
OpenAI News精选AI 评分6161 OpenAI 预览 Ultrafast 模式：GPT-5.6 Sol 速度最高提升 14 倍
OpenAI 预览 Ultrafast，一项新的 API 服务层级，可让 GPT-5.6 Sol 的运行速度最高提升至 14 倍。该服务由 Cerebras 提供算力支持，输出速度最高可达 750 output tokens per second。
推荐理由：原文给出了速度倍数、token 吞吐和底层芯片来源，读者可据此判断它对实时交互类应用的可用性影响。
Microsoft ResearchAI 评分4242 MindTopo：微软研究院推出评估多模态模型拓扑推理能力的新基准
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，图像与视频生成工具也难以在动作序列中稳定保持拓扑关系。
Google ResearchAI 评分5959 Google Research：前沿 LLM 事实性的瓶颈是召回而非编码
Google Research 提出知识画像（knowledge profiling）框架，将事实状态分为编码失败、召回失败等五类，并构建含 2,150 条 Wikipedia 事实的 WikiProfile 基准，评测 13 个 LLM 共约 450 万条回答。
Hugging Face BlogAI 评分5252 ALTK-Evolve 与 ACE 对比：更少 token 实现同等或更优的智能体记忆
Hugging Face 官方博客对比了自家 ALTK-Evolve 与 ACE 两套智能体记忆系统，二者都拒绝把经验压缩成摘要，差异在于记忆投递方式：ACE 每步注入完整 playbook，ALTK-Evolve 按模型能力选择性检索少量 guideline。
OpenAI NewsAI 评分4949 OpenAI 分享数学与理论计算机科学十大进展
OpenAI 公布了在数学与理论计算机科学领域长期未解问题上的十项新成果，涵盖几何、密码学与复杂性理论。这些结果涉及多个长期开放问题的推进。
OpenAI NewsAI 评分2929 两个 API 设置如何让 GPT-5.6 在 ARC-AGI-3 上得分翻三倍
OpenAI 通过两个 API 设置——保留推理（retaining reasoning）和启用 compaction——使 GPT-5.6 在 ARC-AGI-3 benchmark 上的得分提升至原来的三倍，同时提高了效率。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架构建 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把现有 CUDA 内核知识迁移到 Apple Silicon。
推荐理由：读者可了解 CUDA 内核优化经验如何被结构化迁移到 Apple Silicon，以及翻译层对性能提升的具体贡献。
Google ResearchAI 评分4545 Google Research 解读扩散模型的创造力来源：score smoothing 如何带来插值生成
Google Research 在 ICLR 2026 论文 "On the Interpolation Effect of Score Smoothing in Diffusion Models" 中指出，扩散模型的创造力源于神经网络训练中正则化导致的 score smoothing，使去噪过程在训练数据点之间插值而非记忆。
Hugging Face BlogAI 评分5757 Hugging Face Blog：模型路由远不止分类问题，成本、复杂度、延迟各有陷阱
Hugging Face Blog 与 IBM Research 撰文指出，在 agentic 系统中做模型路由远不止分类问题，而是系统优化问题。
Berkeley AI ResearchAI 评分5858 Berkeley AI Research 提出智能体时代数据系统的三大研究方向
Berkeley AI Research 发布观点文章，指出随着 GPT-4 级能力成本从每百万 token 约 $30 降至 $1 以下、部分提供商已低于 $0.10。
Mistral AI精选AI 评分7474 Mistral AI 发布 Leanstral 1.5 形式化验证模型
Mistral AI 发布 Leanstral 1.5，一款 Apache-2.0 许可、119B 总参数 6B 激活参数的免费模型，权重已上线 Hugging Face 并提供免费 API 端点 leanstral-1-5。
推荐理由：原文给出基准成绩、成本对比和测试时扩展曲线，读者可据此判断其在形式化验证任务上的性价比与能力边界。
Hugging Face BlogAI 评分4444 DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
Hugging Face 推出 DiScoFormer（Density and Score Transformer），单次前向即可从数据点同时估计分布的密度与 score，无需针对新分布重训。
Google ResearchAI 评分5757 Google 将冻结 Multi-Token Prediction 架构用于 Gemini Nano 并部署到 Pixel 9 和 10
Google Research 宣布将 Multi-Token Prediction (MTP) 架构改造后接入已冻结的 Gemini Nano v3 模型，并已部署到 Pixel 9 和 10 系列，让 AI Notification Summaries 和 Proofread 等端侧功能生成更快、更省电。
Google ResearchAI 评分5959 Google Research 论文揭示推理如何唤醒 LLM 参数化知识
Google Research 将在 COLM 2026 发表的论文指出，即使对简单单跳事实问题，开启推理也能召回关闭推理时几乎无法得到的答案。
OpenAI NewsAI 评分4444 GPT-5 Pro 如何帮助免疫学家 Derya Unutmaz 解开困扰 3 年的免疫学谜题
GPT-5 Pro 帮助免疫学家 Derya Unutmaz 解开了一个困扰 3 年的免疫学谜题，为 T 细胞行为提供了新见解。这一突破有望支持癌症与自身免疫疾病研究。
OpenAI NewsAI 评分4949 GPT-5.5 Instant 提升 ChatGPT 健康与保健回答质量
GPT-5.5 Instant 通过更强的推理、更好的上下文理解、更清晰的表达以及医生参与的评估，改进了 ChatGPT 在健康与保健领域的回答表现。
OpenAI NewsAI 评分4646 OpenAI 用 AI 推理模型帮助医生诊断儿童罕见遗传病
研究人员使用 OpenAI 的推理模型辅助诊断罕见遗传病，在此前未解决的病例中识别出 18 例新诊断。该研究展示了 AI 推理模型在儿童罕见遗传疾病诊断中的应用价值。
Hugging Face Blog精选AI 评分8484 GLM-5.2 发布：1M 上下文与长时程任务能力
GLM-5.2 发布，主打长时程任务能力，首次提供稳定的 1M token 上下文，并采用 MIT 开源许可。新架构提出 IndexShare，在 1M 上下文下将每 token FLOPs 降低 2.9×，MTP 层投机解码接受长度提升至多 20%。
推荐理由：原文详细拆解了 IndexShare、MTP 改进与抗作弊 RL 的设计，可迁移理解长上下文模型如何落地工程。
Google DeepMind精选AI 评分7474 Google DeepMind 开源实验性扩散文本模型 DiffusionGemma，推理提速最高 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式一次并行生成整段文本，在专用 GPU 上文本生成速度最高提升 4 倍，单张 NVIDIA H100 可达 1000+ tokens per second，NVIDIA GeForce RTX 5090 可达 700+ tokens per second。
推荐理由：原文给出了速度、显存与质量取舍的具体数据，读者可据此判断它是否适合本地交互场景。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemma 4 12B：无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，定位为可在 16GB RAM 消费级笔记本本地运行的智能体多模态模型，是该系列首个支持原生音频输入的中等规模模型。
推荐理由：原文说明了无编码器架构如何省下延迟与显存，读者可据此判断本地多模态部署的可行性。
Hugging Face BlogAI 评分5050 DharmaOCR 论文：用模型自身退化输出做 DPO 拒绝对，五个模型族文本退化率平均降 59.4%
Dharma AI 在 Hugging Face 博客介绍其 DharmaOCR 论文中的方法：在 SFT 之后加一阶段 Direct Preference Optimization (DPO)，把 SFT 模型自己产生的退化重复循环输出作为 rejected 样本、正确转录作为 chosen 样本，在 23,726 份训练文档上用自动 LLM judge 打分构建偏好对。
Hugging Face BlogAI 评分5757 IBM Research：企业 AI 规模化落地依赖 agent logic 而非单纯 LLM
IBM Research 在 Hugging Face 博客撰文提出，企业工作流动态长周期、API 众多且受政策法规约束，仅靠前沿 LLM 难以支撑规模化落地，需要在 agent 层引入知识图谱、程序分析库等 agent logic 来收窄上下文。
OpenAI News精选AI 评分7474 OpenAI 模型解决 80 年悬案的单位距离问题
OpenAI 宣布其一个模型解决了悬置 80 年的单位距离问题，推翻了离散几何中的一个核心猜想，被视为 AI 驱动数学研究的里程碑。
推荐理由：原文点明模型解决的是悬置 80 年的具体难题，读者可据此衡量其数学推理能力的实际跨度。
Google Research精选AI 评分7474 Google 开源 ERA 科研工具并发布 Nature 论文，推出 Computational Discovery
Google 发布基于 Gemini 的科研工具 ERA，其论文今日刊于 Nature，同时开始通过 Gemini for Science 更广泛开放由 AlphaEvolve 和 ERA 构建的实验工具 Computational Discovery。
推荐理由：原文列出 ERA 在多个学科基准和五个开放科学问题上的具体结果，读者可据此判断这类工具当前能覆盖的研究范围。
Google DeepMindAI 评分4747 Google DeepMind Co-Scientist 加速肝病机制发现
Google DeepMind 的 Co-Scientist 帮助爱丁堡大学生物工程师 Filippo Menolascina 团队缩小 MASH 联合疗法的搜索空间，并针对 resmetirom 只对少数合格患者起效的问题提出假设，将 NLRP3 inflammasome 指认为连接炎症与代谢的分子桥梁，该假设随后经实验验证，有望为靶向双联疗法铺路。
Google DeepMindAI 评分4545 Co-Scientist 如何连接两个实验室，推动 ALS 新研究路径
MIT 的 Ritu Raman 借助 Google DeepMind 的 Co-Scientist，将原本需数月梳理的 ALS 文献压缩为可快速验证的假设，并按可行性与风险回报排序研究方向。
Hugging Face Blog精选AI 评分6363 Hugging Face 解锁 continuous batching 的异步化：GPU 活跃率提升至 99.4%
Hugging Face 博客讲解如何通过分离 CPU 与 GPU 工作负载来提升 LLM 推理性能。同步批处理下 CPU 与 GPU 交替等待，8K tokens、batch size 32、8B 模型的测试中 GPU 空闲占 24.0%，总耗时 300.6 秒。
推荐理由：原文用可复现的 profile 数据展示了同步批处理的空闲浪费，并给出基于 CUDA streams 与 events 的具体改造路径。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前方法多由外部预设并行结构，模型无法自行决定何时分解任务、开启多少线程。文章重点讨论自适应并行推理，并提及 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等方法。
Hugging Face BlogAI 评分4545 vLLM V0 到 V1 迁移：RL 训练中先保正确性再谈优化
PipelineRL 通过修复 processed rollout logprobs、V1 运行时默认值、inflight 权重更新路径和 fp32 lm_head 四项问题，使 vLLM V1 在 GSPO 训练中的 clip rate、KL、entropy 和 reward 指标回归 vLLM V0 参考轨迹。
Google Research精选AI 评分6666 Google Research 展示科学家使用 ERA 的四种方式
Google Research 介绍了科学家使用 Empirical Research Assistance (ERA) 的四个真实场景：在公共卫生领域，ERA 生成的美国流感。
推荐理由：四个真实场景展示了ERA从预测到机制发现的可迁移用法，便于评估AI辅助科研的实际边界。
Hugging Face Blog精选AI 评分7878 DeepSeek-V4 发布：1M token 上下文面向智能体任务优化
DeepSeek 发布 DeepSeek-V4，两个 MoE 检查点上线 Hub：DeepSeek-V4-Pro 为 1.6T 总参数 / 49B 激活，DeepSeek-V4-Flash 为 284B 总参数 / 13B 激活，均支持 1M token 上下文窗口。
推荐理由：文章拆解了长上下文推理成本与智能体后训练设计，读者可据此理解它为何适合长时程智能体任务。
OpenAI News精选AI 评分6969 OpenAI 发布 GPT-5.5
OpenAI 发布 GPT-5.5，官方介绍这是一款面向复杂任务的模型，适用于跨工具的编码、研究和数据分析场景。