Google DeepMind 的 AlphaProof Nexus 独立解决了数十个开放数学问题，相关研究发表在 Science 上。它攻克了 353 个 Erdős 开放问题中的 9 个，其中两个已悬置 56 年，还证明了 OEIS 整数序列数据库中的 44 个猜想，解决了一个代数几何开放问题，并改进了 min-max 优化中的一个已知边界。
推荐理由：对比 OpenAI 绕过期刊的做法，这篇论文展示了 AI 数学成果走同行评审的路径。
杨立昆提出分层联合嵌入预测架构 H-JEPA，把多个 JEPA 逐层堆叠，每层在各自表征空间预测不同时间跨度的状态，规划时由高层给出粗略目标、逐层细化到底层动作。
智源研究院具身模型研究中心负责人王鹏伟在2026年智源大会发布悟界·RoboBrain Orca世界模型，提出以Next State Prediction和“有意识/无意识学习”双范式解决具身大脑泛化问题。
Jev 是专门做结构化判断的模型，基于 Transformer 但不生成文本，只返回 Choice、Score、Noul 三种强类型结果，端到端延迟 70 到 500 毫秒，输出不收费。文章指出，这类判断模型并未降低标准化要求，标准体系直接构成其输出空间，Choice 候选集上限 255 项，选项仍需人工生成。作者认为应把语义层、判断机制与规则引擎结合，让判断机制嵌入标准建设全过程，而非替代规则。
杨立昆在首尔表示，AI 的下一次突破不会来自大语言模型，而是来自能理解、预测物理世界的系统，即“世界模型”。他指出，为日常生活场景打造的大语言模型在理解现实世界方面存在局限，目前既没有无需训练就能完成任务的机器人，也没有 L5 级自动驾驶汽车。他主张开发世界模型，让 AI 学习支配现实世界的物理规律和因果关系，预测行动结果并与环境交互。
大语言模型本质是一个不断"预测下一个词"的循环程序，由约 140GB 的参数文件和约 500 行的运行程序两个文件构成，ollama 拉取的 qwen2.5:7b（4.7GB）即经 Q4 量化压缩后的参数文件。
Karpathy 指出，对 LLM 能力的认知差距正从"两群人各说各话"变成一道陡峭漏斗：约 60 亿人（75%）几乎没接触过 LLM，10-20 亿人（20%）只用免费版聊天机器人，约 2000 万（0.2%）在数学和代码中专业使用前沿模型，仅约 5000 人（0.00006%）能内部接触前沿系统。
字节团队论文《Periodic Weak Spots: Phase Sensitivity from Chunked KV-Cache Compression》指出，DeepSeek V4 系列采用的分块 KV Cache 压缩会带来相位敏感性：关键 Token 落在切块交界盲区时模型容易答错。
推荐理由：字节论文指出分块 KV Cache 压缩带来周期性相位盲区，并梳理动态分块等改进方向，可帮助理解长上下文压缩的结构性代价。
IROS 2026 于 9 月 27 日至 10 月 1 日在美国匹兹堡举行，具身智能技术路线明显收敛为四大趋势：基础模型内化物理规律、“大小脑”架构成为行业标准、触觉成为精细操作核心变量、数据采集成本大幅下降。
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出"合成超级智能"（synthesis superintelligence）路线：以物理实验为环境的强化学习、AI 材料表征、DFT 与高通量实验室，让模型学习做科学的全过程而非只看已发表结果。
OpenAI 发布了一批由内部前沿模型产出的新数学结果，相关材料已公开在 GitHub 仓库 openai/math。OpenAI 表示在发布过程中咨询了普林斯顿高等研究院数学与人工智能独立顾问组，并参考其建议和公开推荐来决定发布方式。
推荐理由：OpenAI 公开一批由内部前沿模型产出的数学结果，并说明与外部数学顾问组的沟通方式。
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测对推动 AI 系统性能边界的作用，以及模型在超出传统 benchmark 测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细审视数据。
Meta 表示，在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后，团队进一步测试 AI 能否在尚无解法路径的开放问题上作出贡献。过去数月，数学家通过常规 meta.ai 聊天界面、无定制研究脚手架，与 Muse Spark 1.1 和 Muse Spark 1.2 的 Thinking Mode 协作求解，今天公开了其中六篇论文。
推荐理由：Meta 公开六篇由数学家与 Muse Spark 协作完成的开放数学问题论文，并说明人机分工与评审流程。
Andrej Karpathy 分享理解大语言模型输出的思路与技巧，建议让模型用 ASD-STE100 受控语言规范来解释内容，以获得更易读的写作风格，也可以要求「80% 接近 ASD-STE100」来放宽约束。
推荐理由：Karpathy 给出从文字到图表、网页再到讲解视频的输出格式升级路径，并附可直接尝试的提示词写法。
GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出 Ultrafast 模式相对标准模式的加速倍数与开放入口，读者可据此判断它对编码智能体循环的实际影响。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步面向开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准成绩和分阶段开放路径，可据此判断前沿模型的能力边界与落地节奏。
Sam Altman 转发介绍 6.1 Sol，称其智能水平接近 Astra，价格为 Astra 的五分之一，并提供 95% 的缓存读取折扣。引用内容还提到 ultrafast 可为 Astra 带来 8 倍速度提升，该能力今日可用，并将很快支持 6.1 Sol。
Anthropic 科学博客披露，Claude 在 Claude Science 中仅凭一条描述九圈问题的提示词，基本无监督运行数天，完成了平面 N=4 超杨-米尔斯模型中的九圈散射振幅计算，总成本为几千美元。
推荐理由：Anthropic 官方披露 Claude 在物理散射振幅计算中把此前八圈记录推进到九圈，并给出成本与独立验证信息。
尤其是按每任务定价来比较——这才是真正重要的指标——我认为市场上没有任何有竞争力的产品。 我们希望人们能够大量使用 AI；这对于探索我们面前这场新文艺复兴至关重要。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：官方给出两款语音模型的基准成绩与开放渠道，可据此判断实时语音智能体的能力水位与接入方式。
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，称其为该公司最好的对话式 AI。官方表示这两个模型可以对话、思考并在后台处理任务，而不打断用户当前流程。
推荐理由：Google DeepMind 发布 Gemini 3.8 Live 系列，读者可了解其对话与后台任务处理的能力定位。
Google DeepMind 研究副总裁 Zoubin Ghahramani 与 Hannah Fry 对谈，探讨为何让 AI 系统学会"自我怀疑"和概率思维，是实现更安全、更可靠现实决策的关键。讨论覆盖不确定性的作用、正确性与置信度的区别、贝叶斯思维在 AI 中的应用，以及不确定性研究与 AGI 的未来方向。
Meta 让自家 AI 模型参加五场 STEM 奥赛，以检验推理能力是否取得实质进展。结果为亚洲物理奥赛（APhO）和国际物理奥赛（IPhO）理论考试满分，国际数学奥赛（IMO）金牌，国际化学奥赛（IChO）和罗马尼亚数学大师赛（RMM）达到金牌水平。为测试纯推理能力，比赛全程禁用一切工具，包括搜索、写代码和计算器。
推荐理由：Meta 公布模型在五场 STEM 奥赛中的成绩与禁用工具设定，可据此观察纯推理能力的评测方式。
Andrej Karpathy 给 Opus 5 输入《魔戒》第一段、1M token 预算（约 10 美元），让它用 three.js 渲染这段故事。Opus 运行约 2 小时，写出 5500 行代码，程序化地渲染出故事，效果有些粗糙但可玩。他认为这类任务把「没人会花时间做」变成「几乎免费，何乐而不为」，并指出 LLM 难以原生感知视频或玩游戏，只能缓慢截图自查，多模态与游戏能力仍明显不足。
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核当作知识库，在 Apple Silicon 上生成高质量内核。
推荐理由：读者可看到 CUDA 内核经验如何被结构化迁移到 Apple Silicon，以及翻译层对性能差距的具体贡献。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 数也低于全上下文设置。
DeepLearning.AI 联合 Cerebras 推出短课程，教你用专为快速推理设计的硬件构建 LLM 应用，由 zhennydez、duerr_seb、MilksandMatcha 授课。
Meta AI 提交模型参加亚洲物理奥赛（APhO）理论考试，取得 30/30 满分，与排名前三的学生选手并列。Meta AI 表示此举是为展示其模型的先进推理与多模态能力，并感谢 APhO 委员会允许模型参赛。
推荐理由：Meta AI 让模型参加亚洲物理奥赛理论考试并拿到满分，读者可据此了解前沿模型在竞赛级推理上的表现。
伯克利人工智能研究实验室（BAIR）公布 2026 届博士毕业生名单，其研究覆盖机器人、具身智能、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for Science 等方向。毕业生去向包括 OpenAI、Mistral AI、Amazon、Physical Intelligence 等机构，以及 UCLA、普林斯顿 CITP 等学术岗位，另有多人正在创业或探索下一步。
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Karpathy 在 Sequoia Ascent 2026 炉边对话中提出，LLM 的价值远不止加速编程，并举了三个新范式案例：menugen 这类无需传统代码、输入图像输出图像的应用；用 .md 技能替代 .sh 安装脚本；以及基于非结构化知识的 LLM 知识库。
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得可行。
Karpathy 指出，人们对 AI 能力的理解正出现越来越大的鸿沟。一部分人仍以去年 ChatGPT 免费版或已弃用的 Advanced Voice Mode 的表现来判断 AI，而今年 OpenAI Codex、Claude Code 等前沿智能体模型在编程、数学、研究等技术领域进步惊人，能连续运行 1 小时重构整个代码库或挖掘系统漏洞。
Andrej Karpathy 用 LLM 花 4 小时打磨博客论证，觉得极有说服力；随后让 LLM 论证相反立场，结果 LLM 彻底推翻原论证并说服他反方才是对的。他指出 LLM 被问时会给出观点，但几乎能胜任任何方向的论证，这使其成为形成个人观点的有用工具，前提是必须要求它论证不同方向并警惕谄媚倾向。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层次性结构，以约 10 倍更少的消融达到 SPEX 的性能。