Clover Framework：Kimi K3 前向传播单机复现框架
Clover Framework 开源了 clover-k3，将 Kimi K3 前向传播还原为数学表达式并在 Ryzen 9 7950X3D 单机上直接执行，在全部 34 个测试提示上输出与独立实现相同的首个 token，耗时 394.94 秒对 1344.23 秒，加速 3.40 倍。该模型参数量为 2.78 万亿，单独生成运行平均每 token 约 6 秒，但并非分布式系统或通用质量结果。
#推理
GitHubAI 评分3838 RadarAIAI 评分3838 田渊栋剖析递归自我改进：把重复研究交给 AI，人去找新方向
田渊栋在 The Information Bottleneck 播客访谈中指出，递归自我改进的真正瓶颈在于「想不出好问题」：模型靠海量数据擅长重复工作，需靠新架构实现少数据高效学习，人类则转向更高层的提问与验证。他回顾了从 Dark Forest 到 Meta FAIR 的研究路径，并提到 2012 年 AlexNet 让他从计算机视觉非凸优化转向深度学习。
Hacker NewsAI 评分3434 如何用 Qwen3-1.7B 构建自己的决策模型
用 Qwen/Qwen3-1.7B 通过约束解码把输出限制在 A-E 五个选项内，单次前向即可给出答案，在 CommonsenseQA 随机留出样本上准确率 725/1221（0.5938），微调后提升至 762/1221（0.6241）。但模型输出概率严重过度自信，0.9-1.0 置信区间准确率仅约 70%，作者用温度缩放拟合出 3.797 的温度值来校准。
GitHubAI 评分1313 Eliastik/snakeia：带 AI 的贪吃蛇游戏 v3.2.0
Eliastik 发布带 AI 的贪吃蛇游戏 snakeia v3.2.0，支持玩家对战 AI、AI 独自游玩、2 至 100 个 AI 混战的 Battle Royale 模式，以及关卡和在线对战模式。
Hacker NewsAI 评分4444 CAVEWOMAN：LLM 在语言输入与输出压缩下表现如何
研究提出 Cavewoman 双通道评测协议，在 5 个数据集、5 种压缩级别下测试 8 个模型，同时衡量任务准确率、实际单条成本与参考文本一致性。输出压缩在多数 API 模型上把实际成本降至 1.4-2.4x（最佳 3x），四个开放权重模型在公开档定价下同样降本；输入压缩则相反，五基准均值成本升至约 1.15x，最差数据集 1.8x、更强压缩下 2.7x，且准确率下滑。
Hacker NewsAI 评分7171 Google DeepMind 用 LLM 智能体解决 9 个 Erdős 开放问题
Google DeepMind 团队在 arXiv 发布论文，对用 LLM 生成 Lean 形式化证明来求解开放问题做了首次大规模评测。其最强智能体自主解决了 353 个 Erdős 开放问题中的 9 个，单题成本为几百美元，并证明了 492 个 OEIS 猜想中的 44 个，正被用于组合数学、优化、图论、代数几何和量子光学研究。
Hacker NewsAI 评分5858 Cloudflare 发布 Clef-Omni，为决策模型加入音频与视频输入
Cloudflare 于 10 月 9 日发布 Clef-Omni，在文本和图像之外新增音频与视频输入，可在一次 API 调用中直接返回结构化决策，省去单独的转写和媒体处理步骤。
Hacker NewsAI 评分6262 把决策模型接入 Agent Harness 的两种实践
作者在自研 SOP 执行 harness Proceda 中尝试用决策模型 Jev 承接部分 LLM 调用，在 SOP-Bench 的 360 个案例上测试了两种接入方式。
Hacker NewsAI 评分2020 Aleph Alpha 新模型 Kolibri 玩《Doom》
Aleph Alpha 的 Kolibri-1 模型正在直播玩《Doom》，由 Tesseracted Labs 搭建共享游戏环境，每轮结束后轮换两张地图。模型只接收结构化游戏状态而非图像，通过四次仅基于概率的评估分别选择移动、瞄准、开火和交互，再由本地控制器执行动作。页面显示的是选项标签 logits 归一化后的分数，并非校准过的成功概率。
RadarAIAI 评分2828 François Chollet：AI 如何从转导范式转向归纳范式
François Chollet 用一张图说明 AI 已从转导范式（逐 token 补全答案）转向归纳范式（即时合成推理链），他认为这是 2025 和 2026 年的大故事，也正是编码智能体得以奏效的原因。
RadarAIAI 评分6262 MIT 教授谈 OpenAI 模型解 Navier-Stokes 反例：人类读不懂的证明来了
MIT 工程教育副院长 Justin Solomon 在播客中谈到，OpenAI 模型上个月给出了 Navier-Stokes 解失效的反例证明，但他和《Odd Lots》主持人读不到第二页。该内容由 X 用户 Saito 转述这一说法，并附上原帖链接。
Hacker NewsAI 评分3838 为什么推理扩展的终点是智能体集群：从上下文压缩到多智能体系统
推理扩展受限于约 1M tokens 的上下文窗口，压缩（compaction）通过摘要交接工作来延长会话，但每次压缩都是对"什么以后有用"的赌注。子智能体（sub-agent）把摘要推迟到问题已知之后再写，主智能体上下文只增加任务和答案的几千 tokens，因而比压缩更能提升总上下文容量，代价是子智能体答完即忘、需重复读取。
Hacker NewsAI 评分3838 如果 LLM 无需微调就能做决策，我们还需要 Jev 这类模型吗？
一项在 M2 Max 上进行的测试显示，Qwen 3.5 9B 与 Gemma 4 26B-A4B 无需额外决策微调，仅靠读取答案标签的 logits 直接打分，在 300 条自建问题上分别取得 61% 和 75% 准确率，Gemma 已接近测试中最高水平。
Hacker NewsAI 评分6262 Vega 发布：冻结 Qwen3.5-0.8B 加 55MB 决策引擎，让粒子滚落山谷给出答案
Vega 是一个决策模型，输入文本和答案类型固定的问题，返回标签、评分或陈述为真的概率，每个答案附带校准概率、可承诺答案集和拒答标记。它用冻结的 Qwen3.5-0.8B 读取一次提示词，池化出五个向量，在 64 维空间中给每个候选答案挖一个山谷，让粒子在梯度、动量和摩擦力下滚动十二步，落点即答案，落点方式决定温度，因此概率有实际含义。
Hacker NewsAI 评分3636 Jev 与模糊性的回归：TypeSafe AI 推出只输出概率与置信度的模型
TypeSafe AI 推出模型 Jev（jev-1.13.0），不做对话，只输出严格类型化的结构化结果，包含 Choice、Score、Noul 三种原语，每项答案附带各选项概率与置信度。例如 Choice 会给出选中项及各项概率，Score 按有序等级计算概率加权均值，Noul 则返回 yes 的概率。该设计针对 AI 一味附和用户、过度肯定的问题。
Hacker NewsAI 评分2222 Sage：让软件在运行时"思考"的新编程方式
Sage 提出一种在程序运行时调用模型做语义判断的编程方式：同一份文档，正则匹配 SSN、信用卡号等已知模式会漏掉姓名和地址，而通过 `decide(doc, yesno("Contains personal information?
GitHubAI 评分2222 DASD-Thinking 发布：面向长链式推理的分布对齐序列蒸馏工具
DASD-Thinking 是一款基于分布对齐序列蒸馏（DASD）的推理增强软件，支持 Windows 10 及以上、macOS 和 Linux，最低需 4 GB 内存与 500 MB 存储空间。相关模型权重已在 Hugging Face 和 ModelScope 开放，包括 DASD-4B-Thinking 与 DASD-30B-A3B-Preview。该软件可离线使用，目前仅提供桌面版本。
GitHubAI 评分2222 Princeton Ouro-RLTT 分支循环 Transformer：评估器探针与分支选择研究
针对 Princeton Ouro-RLTT 循环 Transformer，该项目定位了隐藏态读出与生成控制之间的边界：决策级使用可转化，校准弃权在四个密封实验组中改善风险—覆盖权衡，强制终选在全部候选合规的池上以 27/32 对 64.8% 期望值通过精确匹配随机零假设（p = 0.0086）；生成式控制则未转化，方向引导为既定负结果，逐任务循环深度分配为密封零结果。
RadarAIAI 评分4848 LLM 推理性能核心框架：Prefill 拼算力，Decode 拼带宽，KV 缓存决定显存代价
LLM 推理分为 Prefill 和 Decode 两个阶段：Prefill 并行读入整个 prompt、瓶颈在算力（FLOPS），Decode 逐 token 自回归、瓶颈在内存带宽。
Hacker NewsAI 评分3030 我预计 AI 会快速进步，但不会走向通用超级智能
作者认为，未来几年 AI 的快速进步主要来自基础设施与工程能力的加速，模型将能自动优化训练与推理效率，推理成本或近指数级下降，预训练架构与数据选择研究有望在 2-3 年内自动化。但这不会让模型本质发生剧变，即便在数学和编程之外未必获得有经济价值的超人能力，技术向经济的扩散仍将大幅受益。
RadarAIAI 评分6060 Nace AI 开源 9B 决策模型 Drex 1.5，为选项打分而非生成文本
Nace AI 开源 9B 决策模型 Drex 1.5，读取状态和类型化问题后为每个选项输出概率，不生成文本。其在公开 Decision Index 0.3.1 上得分 58.08，与闭源模型 Jev 1.13.0（57.96）处于并列区间，权重已上架 Hugging Face，托管版在 OpenRouter 上按每 1M 输入 token 收费 $0.04、输出 $0。
RadarAIAI 评分6262 微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的决策评分模型
微软发布 Microsoft-Decision-1，一个由 Qwen3.5-9B 后训练的决策评分模型，对固定选项输出校准概率而非生成文本，已上线 Microsoft Foundry 和 OpenRouter。
Hacker NewsAI 评分7474 VibeSys 用多智能体在 4 块 MI300A 上构建 Qwen3.5-397B 服务引擎，吞吐达调优后 SGLang 的 2.33 倍
华盛顿大学团队用多智能体系统 VibeSys 在 4 块 AMD MI300A 上为混合 MoE 模型 Qwen3.5-397B-A17B 构建服务引擎，105 小时内将基线 PyTorch 引擎的 goodput 从 12.8 tok/s 提升到 2,242 tok/s，是同一硬件上调优后 SGLang（961 tok/s）的 2.33 倍，全程无人类编写引擎代码。
Hacker NewsAI 评分6666 GitSwarm：用共享 Git 仓库实现去中心化累积推理
GitSwarm 提出累积推理，让一组相同智能体在共享、可分支的 Git 仓库上异步工作，每次尝试以 commit 形式保留，后续工作可扩展、验证、合并或反驳它。
Hacker NewsAI 评分3232 Kolibri 架构设计：从第一性原理看架构权衡
Aleph Alpha 研究团队拆解自回归语言模型的架构选择对训练与部署成本的影响，聚焦参数与 FLOPs 分配、FLOPs 随上下文长度和序列混合器状态的扩展方式，并分析近期开源权重模型。文章以 Apache 2.0 许可发布的 Kolibri 和 Kolibri Origin 为参照，提供交互工具供配置模型并对比。
GitHubAI 评分2222 IncludeAI：单头文件零知识强化学习通用博弈 AI 库
IncludeAI 是一个手写实现的零知识强化学习算法库，以 stb 风格单头文件形式提供，只需在代码开头 #include 即可接入通用博弈 AI。
RadarAIAI 评分6262 清华、牛津与斯坦福论文 Thinking Inertia：LLM 被要求不思考时仍在推理
清华、牛津与斯坦福的论文《Thinking Inertia: LLMs Keep Thinking When Told Not To》发现，即使关闭思考模式，LLM 仍会持续显式推理，开放性问题尤其明显。
RadarAIAI 评分3535 清华 TokenRouter：token 级 LLM 路由服务系统，吞吐量最高提升 64.15 倍
清华论文提出 TokenRouter，一个在 token 级进行大小模型路由的服务系统，吞吐量最高达现有方案的 64.15 倍。针对 vLLM、SGLang 等框架一次请求只跑一个模型、双模型协作时每步都等慢模型的问题，TokenRouter 让每个模型独立部署并来回传递半成品答案，同时保留 KV cache，并短暂挂起请求以凑更大批次。
Hacker NewsAI 评分6262 Aleph Alpha 发布开源权重模型 Kolibri，支持 100 万 token 上下文
Aleph Alpha 发布开源权重双语模型 Kolibri，采用英德混合专家 Transformer 架构，总参数 78.1B、每 token 激活 3.46B，支持最高 100 万 token 上下文，权重以 Apache 2.0 许可在 Hugging Face 开放下载，可本地部署。
Hacker NewsAI 评分3030 NVFP4 与 MXFP4 解码基准对比：B200 上 NVFP4 小批量解码快约 8%
在 B200 上用 vLLM v0.31 跑 Qwen3-32B 的实测显示，NVFP4 在小批量解码时比 MXFP4 快，batch 1、8、32 的解码吞吐分别高出 7.1%、7.6% 和 4.2%，batch 64 以上差距消失。差异主要来自 kernel 实现而非 4.5 与 4.25 bits 的位宽差，NVFP4 从 BF16 量化后的 NLL 损失也小 2.7 倍。
RadarAIAI 评分6262 微软推出 Microsoft-Decision-1 决策模型，基于 Qwen3.5-9B 后训练
微软发布 Microsoft-Decision-1 决策模型，专为结构化决策任务打造，现已上线 Microsoft Foundry 并接入 OpenRouter。该模型基于 Qwen3.5-9B 后训练，在 36 项基准测试中准确率最高，响应速度比 Quyet-1.0-Large 快 4.5 倍、比 GPT-6 Sol 快 35 倍。定价为每百万 Token 输入 0.042 美元，输出免费。
RadarAIAI 评分4040 Gemini 4 Argon 现身 Antigravity，推理档位统一
Google 在 Antigravity 隐藏项中新增 Gemini 4 Argon 模型引用，支持 low、medium、high 三档推理强度；Gemini 网页端也已为所有模型显示这三档推理选项，统一了各工具的推理选择器。
Hacker NewsAI 评分1818 Jev Playground：在线运行 TypeSafe Jev 模型测试结构化 AI 决策
Jev Playground 上线，用户无需注册即可在线运行真实的 TypeSafe Jev 模型，输入状态和带类型的问题后，模型会返回有界决策及对应概率。该工具可用于检查条件、选择路径或按评分标准打分，页面提供可加载的示例，运行后还能编辑输入或切换其他示例继续实验。
RadarAIAI 评分6262 微软推出决策专用模型 Microsoft-Decision-1，基于 Qwen3.5-9B 后训练
微软发布决策专用模型 Microsoft-Decision-1，基于阿里开源模型 Qwen3.5-9B 进行后训练，专门用于快速判断选择题。该模型在推理速度和稳定性上远高于通用大模型，已在 Xbox 和 Copilot 等业务中投入使用，用于优化 AI 工作流效率。
RadarAIAI 评分4040 Nathan Lambert：AI 将快速进步，但不会走向通用超级智能
Nathan Lambert 认为 AI 将在基础设施与工程能力上快速进步，未来几年模型会成为超人的分布式 GPU 工程师，但这不会让模型本质发生巨变，也不指向通用超级智能。他指出推理效率提升已带来 10-30% 成本下降，模型智能的有效成本未来几年或近指数级下降，预训练研究（架构与数据选择）有望在 2-3 年内自动化。
Hacker NewsAI 评分7171 数学家称 OpenAI 的 Navier-Stokes 证明在数学转代码时出现误译
剑桥大学等机构的研究者称，OpenAI 发布的 Navier-Stokes 问题证明在自然语言版与 Lean 形式化版之间存在不一致，具体出现在 Lemma 8.6：自然语言版要求某值小于 m + 4，Lean 版则放宽为小于 m + 5。
Hacker NewsAI 评分2222 DIRU：受树突启发的循环单元，用于学习混沌动力学
研究者提出树突启发循环单元（DIRU），在每个循环单元内集成多个计算隔室，用可学习门控让各树突分支选择性地放大或衰减输入，并通过全局调制信号以乘性缩放调整神经元增益。该设计还引入残差循环连接以改善梯度传播，将循环单元变为具备自适应门控、上下文相关增益调制和分层特征处理的结构化非线性动力系统，目标是应对混沌系统中对初始条件敏感、长期预测不稳定的难题。
RadarAIAI 评分6666 OpenAI Decisions API 进入公测，类型化答案比 Responses API 快约 10 倍
OpenAI 发布 Decisions API 公开测试版，端点为 POST /v1/decisions，可将文本和图像转为概率、选项或评分等类型化答案，官方称比 Responses API 快约 10 倍。
GitHubAI 评分6262 llm-d 发布 v0.7：Kubernetes 分布式推理栈加入预测延迟调度与批处理网关
CNCF 沙箱项目 llm-d 发布 v0.7，将优化基线重命名并稳定化，迁移为 kustomize 优先的指南，扩展夜间 CI（OpenShift、GKE、CoreWeave），预测延迟调度转 GA，批处理网关进入实验阶段，并重写项目文档。
GitHubAI 评分6262 strands-labs 开源决策模型 strands-decider，新增 Gemma 4 系列
strands-labs 发布 strands-decider 决策模型，用指针头替换 LLM 的语言建模头，在选项间做选择、判断是与否或按量表打分，并给出置信度。