GPT-6 家族模型选型指南
OpenAI 发布 GPT-6 家族模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备 workflows。
#推理
#推理
今日 1 条OpenAI NewsAI 评分5050
MIT Technology Review · AIAI 评分5050 别被迷惑——LLM 并不会推理
前 Google DeepMind 研究员指出，LLM 靠逐个预测 token 生成答案，其链式思考仍由同一套 next-token 预测产生，并非真正独立的推理机制。他认为这类模型缺乏可检视的持久认知状态、知识与推理的分离，且链式思考常是事后编造，因此主张借鉴 AlphaGo 的游戏树搜索架构来构建真正的机器推理能力。
Latent SpaceAI 评分3434 MIT 的 Alex Zhang 谈 RLM、GPU 内核与智能体集群：学术界应下工业实验室不敢下的赌注
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其 RLM（递归语言模型）工作：基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。他还讨论了 AI 生成 GPU 内核、harness 作为组合泛化器、Prime Agent 与持久化子智能体，以及 OpenAI 万级智能体实验、Kimi 集群等方向。
Ars Technica · AIAI 评分6262 AI 首次在 Stratego 上击败顶尖人类选手，训练仅用 16 块 GPU
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 在 Stratego 对局中以 15 胜 1 负 4 平击败被认为是有史以来最强的 Stratego 选手 Pim Niemeijer。
BestBlogs.devAI 评分3232 世界-动作模型（WAM）综述：从预测未来到机器人闭环控制
一篇综述系统梳理了机器人领域的世界-动作模型（WAM），其核心是将未来状态预测与可执行动作生成连接起来，让预测服务于真实控制。综述将现有研究归纳为基于世界模型的强化学习、视频生成、潜在动作预训练和 VLA 模型四条路线，并覆盖机器人操作、导航、自动驾驶等应用及未来挑战。
BestBlogs.devAI 评分6565 何恺明团队提出纯视觉 ARC 方案 NAT-ARC，单模型 63.4% pass@2
何恺明团队提出纯视觉 ARC 解题方案 NAT-ARC，不依赖 LLM，用 ImageNet 上的 MAE 预训练初始化视觉编码器，表现最好的 0.6B 单模型在 ARC-1 上取得 63.4% pass@2，集成三种预训练策略后达 70.2%，总参数量约 2B，专门微调的 8B LLM 方案 The ARChitects 为 71.6%。
Latent Space精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，先在 Fairwind 计划的政府用户与可信网络防御者中开放，后续再向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的能力与成本差异。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
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，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全防御上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界与落地节奏。
Import AIAI 评分3232 Import AI 474：Platonic mindspace、太空 TPU、智谱启动外层 RSI 循环
Michael Levin 提出"Platonic mindspace"假说，认为心智是非物理模式，身体与机器只是这些模式进入物理世界的接口，并用 xenobots、anthrobots 及排序算法扰动实验作为佐证。本期 Import AI 还讨论了太空 TPU 与智谱启动外层 RSI 循环，并指出机器人领域正等待自己的 LLM 时刻，但尚缺通用算法。
Hugging Face BlogAI 评分4040 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速视觉语言推理
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。该草稿模型约 280M 参数，仅使部署模型参数量增加 8.9%，并首日支持 llama.cpp、MLX-VLM 和 SGLang。
Simon WillisonAI 评分6666 TypeSafe AI 发布 Jev，推出只输出概率决策的 System One 模型
TypeSafe AI 发布 Jev，这是其称为 System One 模型的新类别，输入文本后不返回文本，而是返回对应类别、是/否问题、评分的浮点数及置信度。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf v6.1 首次提交数据给出 Vera Rubin NVL72 相对 GB300 的吞吐倍数与 99% 扩展效率，可作推理基础设施选型的量化参照。
Google ResearchAI 评分3232 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。该方法基于 Gemma3-4B 和 Qwen3-4B 微调，绕过了数百个 CoT 推理 token 的测试时开销，论文已被 ICML 2026 收录。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite 4.2 推理模型家族，含 3B、8B、30B 三个规模
IBM Granite 团队发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个规模，基于 Granite-4.1 基座后训练而来，全部采用 Apache 2.0 许可。
推荐理由：Granite 4.2 公开了从预训练到多阶段 RL 的完整构建流程，可对照其数据配比与奖励设计理解推理模型的训练取舍。
Hugging Face Blog精选AI 评分6060 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 7/9 基准上超过其全精度版本
Multiverse Computing 发布论文提出 Quantization-Aware Healing（QAH），在 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 checkpoint 蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的恢复方法，并附9项基准对比，可看4-bit模型反超16-bit来源的具体条件。
Hugging Face Blog精选AI 评分6262 Liquid AI 发布 LFM2.5-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 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升吞吐，GPU 上最高 3.18 倍、端侧最高 2.87 倍。
推荐理由：Liquid AI 给出三个 LFM2.5 模型的 DSpark 草稿模型与 H100、MacBook 实测吞吐数据，可据此判断投机解码在端侧与 GPU 上的实际收益。
Import AIAI 评分3232 Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了 DiG-bench（Discovery in Games）基准，包含 70 款规则与目标均隐藏、需靠交互探索发现的游戏，其中 21 款已公开。
Microsoft ResearchAI 评分3838 微软研究院推出 MindTopo 基准，揭示多模态大模型空间推理短板
微软研究院发布 MindTopo 基准，用于评测多模态大模型在连通性、封闭性、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，当前专有与开源模型在静态识别上明显强于交互规划，且两者均远低于人类水平，失败多发生在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨多步操作仍不可靠。
Google Research精选AI 评分6262 Google Research 提出知识画像框架：召回而非编码是前沿 LLM 事实性的瓶颈
Google Research 发布研究，提出知识画像框架，把事实状态分为编码失败、召回失败、直接召回、思考后召回和无编码推理五类，并构建含 2,150 条 Wikipedia 事实、每条配 10 个问题的 WikiProfile 基准。
推荐理由：Google Research 用知识画像区分编码与召回失败，指出前沿模型的事实错误更多来自知识难以取用而非未存储。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核知识迁移到 Apple Silicon。
推荐理由：K-Search 把 CUDA 内核经验迁移到 Apple Silicon，读者可看到跨平台内核优化的具体方法与实测数字。
Berkeley AI ResearchAI 评分3030 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
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，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务中，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 降至 50，峰值 token 长度也低于全上下文设置。
Hugging Face Blog精选AI 评分8888 Thinking Machines 在 Hugging Face 发布 Inkling 多模态大模型及 Inkling-Small
Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文、原生接收图像文本音频输入的开源多模态 MoE 模型，同时发布 276B 总参数 12B 激活参数的 Inkling-Small。
推荐理由：原文给出 Inkling 的架构细节、部署配置与多模态评测数据，可据此判断开源大模型在长上下文与多模态推理上的进展。
Berkeley AI ResearchAI 评分1717 2026 届 BAIR 博士毕业生展示：从机器人到 LLM 推理的 AI 研究全景
加州大学伯克利分校 BAIR 实验室展示 2026 届博士毕业生，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。
Google Research精选AI 评分6262 Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 提出一种新架构，把多 Token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上，在 Pixel 9 和 10 系列上实现开箱即用的加速。
推荐理由：Google 把 MTP 头接到冻结的 Gemini Nano v3 上，读者可了解端侧推测解码如何在内存受限下提速。
Google ResearchAI 评分3434 Google Research 研究：推理如何解锁 LLM 的参数化知识
Google Research 在 COLM 2026 发表的论文揭示，让模型生成推理轨迹能解锁原本无法召回的事实答案，即使问题只是单跳事实查询。研究在 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 上验证，发现两个机制：推理 token 充当计算缓冲，以及生成相关事实的"事实启动"效应。
Hugging Face BlogAI 评分2222 在 AWS 上构建基础模型训练与推理的积木：从算力、网络到可观测性
Hugging Face 发布系列文章，分析 AWS 基础设施如何与开源软件栈配合支撑基础模型全生命周期。
Berkeley AI ResearchAI 评分3131 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，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Hugging Face BlogAI 评分3434 vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标
PipelineRL 在 vLLM V0 到 V1 迁移中通过修复四项问题让 V1 与 V0 参考对齐：processed_logprobs 语义、V1 专属运行时默认值、inflight 权重更新路径，以及最终投影所用的 fp32 lm_head。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该方法针对长时程规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题，使长时程规划更稳健。
Google Research精选AI 评分6060 Google 发布 TurboQuant 等三种向量量化算法，KV cache 可压至 3 bit
Google 发布 TurboQuant 压缩算法，并配套提出 QJL 与 PolarQuant，用于解决向量量化中的内存开销问题，相关论文将分别在 ICLR 2026 和 AISTATS 2026 上展示。
推荐理由：Google 提出 TurboQuant 等三种向量量化算法，可在不损失精度下把 KV cache 压到 3 bit，读者可了解其压缩思路与实测收益。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中驱动输出的关键交互。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 进一步借助层次结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Google ResearchAI 评分4040 Google 用贝叶斯教学让 LLM 学会概率推理
Google Research 提出"贝叶斯教学"，通过监督微调让 LLM 模仿贝叶斯助手的预测，从而学会概率推理。在五轮模拟航班推荐任务中，未经训练的 LLM 表现远逊于最优贝叶斯助手，且往往在单次交互后性能就停滞；而贝叶斯教学不仅提升了该任务表现，还能泛化到其他任务。
Google ResearchAI 评分2828 Google Research 提出 Sequential Attention：让 AI 模型更精简更快且不牺牲准确率
Google Research 提出 Sequential Attention，用贪心选择机制在单次模型训练中顺序、自适应地挑选最佳组件，把子集选择直接融入训练流程，避免传统贪心算法带来的数量级训练开销。该方法在多个神经网络基准上取得 SOTA，并已用于特征选择等真实场景，兼顾效率、准确率、可解释性与大规模扩展能力。
Google ResearchAI 评分2222 Google Research 2025 年度回顾：更激进的突破，更大的影响
Google Research 回顾 2025 年成果：Gemini 3 成为其最强、最注重事实准确性的 LLM，在 SimpleQA Verified 和与 Google DeepMind、Kaggle 联合发布的新 FACTS 基准上达到 SOTA。
Google Research精选AI 评分6060 Google 为 STOC 2026 推出 Gemini 驱动的 Paper Assistant Tool 论文反馈工具
Google Research 为 STOC 2026 推出实验性 Paper Assistant Tool（PAT），基于 Gemini 2.5 Deep Think 的推理扩展方法，在投稿后 24 小时内为作者生成结构化预审反馈，涵盖论文贡献摘要、潜在错误与改进建议以及笔误清单。
推荐理由：Google 官方披露 PAT 在 STOC 2026 的实测数据与作者反馈，可了解 AI 辅助数学证明审阅的实际边界。
Google Research精选AI 评分6262 Google Research 发布 Titans 与 MIRAS，为 AI 引入长期记忆
Google Research 发布两篇论文，提出 Titans 架构与 MIRAS 理论框架，将 RNN 的速度与 Transformer 的精度结合，实现测试时记忆。
推荐理由：Google Research 提出 Titans 架构与 MIRAS 框架，用深度神经网络做长期记忆模块，为超长上下文建模提供新思路。
Google ResearchAI 评分5454 Google 提出 Nested Learning：面向持续学习的新机器学习范式
Google Research 在 NeurIPS 2025 论文《Nested Learning: The Illusion of Deep Learning Architectures》中提出 Nested Learning，把模型架构与优化算法视为同一套相互嵌套、同时优化的多层级学习问题，以缓解持续学习中的灾难性遗忘。