技术方向
模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
14 条精选近 30 天 11 条共收录 35 条
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。
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。
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。
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。
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。
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。
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。
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。