EncBank：在 LLM 查询间复用编码器，实现紧凑可复用记忆
EncBank 将预训练 LLM 的底层作为可复用文档编码器，紧凑存储其输出供适配后的上层读取器使用，并共享一个自蒸馏后缀适配器，无需针对量化单独重训练。在三种 Qwen 骨干、五个基准套件上，4-bit 存储的基准聚合分数与原生精度相差不超过 1 分；固定 Qwen3-8B 工作负载下仅占原生精度持久 GPU 存储的 28.1%。
#推理
arXiv cs.CLAI 评分2424 arXiv cs.CLAI 评分3030 大语言模型推理预算升级下的认知偏差：长路通向同一答案
一项针对四个模型家族的剂量-反应研究显示，推理模型并不比同系列非推理版本偏差更小，各家族点估计甚至偏向相反方向，但项目级汇总对比不显著（Δ=+0.031，p=.157）。
arXiv cs.CLAI 评分2727 EASE：用熵自适应分布塑形规避 AI 生成文本检测器
研究者提出 EASE，一个无需训练、不依赖特定检测器的 AI 生成文本规避框架，直接根据源 LLM 下一 token 分布的预测熵自适应调整 logit 扰动与采样温度，无需检测器反馈或模型微调。在三个源 LLM 和多个检测器上的实验显示检测性能一致下降，文本质量与推理开销的损失可忽略。
arXiv cs.CLAI 评分2727 从任务结果训练 LLM 智能体的顾问：Caddie 方法
研究者提出 Caddie，通过强化学习训练 critic 为 LLM 智能体提供自然语言分析与建议，训练时冻结基座模型，仅以任务最终是否成功作为反馈信号。
arXiv cs.AIAI 评分2727 评估 LLM 路由的升级信号：目标、对照与五种自欺方式
研究测试了语义熵作为 LLM 路由升级信号的可靠性，在 GSM8K 上以约 12 倍规模差的小/大模型组合实现 AUROC 0.871，匹配成本下路由准确率比随机升级最高提升 9 个百分点。
arXiv cs.AIAI 评分2222 轨迹检索投机解码：模型自身历史何时有用？
研究提出 Trajectory-Local Adaptive Retrieval（TLAR），从当前推理轨迹中检索近似匹配的续写，并结合近期验证结果自适应调整检索激活与候选宽度。
arXiv cs.AIAI 评分2222 RGPO：用自适应理由脚手架让大语言模型学会推理
研究者提出 Rationale-Guided Policy Optimization（RGPO），将真实理由作为临时脚手架而非固定模仿目标，仅在模型生成更高奖励解后才回传至无引导设置，从而在不要求辅助数据与 RL 任务格式一致的前提下缓解奖励稀疏。
arXiv cs.CLAI 评分2626 LatentGRM：通过语义保持压缩实现高效生成式奖励建模
研究者提出 LatentGRM，一种基于语义分块、压缩与重建的潜在评估框架，通过学习紧凑连续轨迹实现自主成对判断，无需生成文本评估。在相同训练数据和骨干下，LatentGRM 在 4B 和 8B 规模上取得与显式 SFT 评判模型相当的偏好准确率；LatentGRM-8B 在四个基准领域将评估轨迹压缩 8.9–9.2 倍，vote@5 下评判推理总时间减少 6.1–7.0 倍。
arXiv cs.AIAI 评分2525 神经符号 AI 的规则语言综述：Datalog、答案集与概率逻辑程序
一篇综述系统梳理了神经符号 AI 中作为符号组件的规则语言，涵盖 Datalog、答案集程序与概率逻辑程序，并沿语义、表达力、神经集成和求值机制四个维度展开分析。作者考察了 50 多个近期系统与应用，比较了数据库与编程语言、机器学习、视觉和机器人四个研究领域的形式化使用情况，并给出将应用场景映射到所需特性的决策矩阵，最后列出开放问题。
arXiv cs.CLAI 评分2828 解耦逻辑与人格：边缘 LLM 智能体对上下文污染的结构免疫
研究提出解耦架构 AO-DA，将逻辑推理与人格表达拆分为同一 INT4 基座模型上的两条推理路径，通过热插拔 LoRA 适配器实现。
arXiv cs.AIAI 评分3131 如何理解并缓解 LLM 智能体的推理时记忆过度依赖：MEMTRIM 框架
研究发现，LLM 智能体的 agentic memory 即使存储正确、检索得当，在查询与记忆仅部分重叠时仍会扭曲推理，造成"记忆过度依赖"。为此提出的 MEMTRIM 在写入时索引记忆证据、读取时控制复用，去除重复或冲突证据并保留有用信息，无需重训练，适用于基于嵌入和结构化记忆。实验显示 MEMTRIM 在多种模型和记忆设置下降低了记忆过度依赖，同时保留有用记忆的收益。
arXiv cs.CLAI 评分2424 Bridge Routing Heads：多语言多跳推理在 LLM 中的位置
研究通过三阶段流程在 Llama 3.1 70B 和 Qwen 2.5 72B 中识别出 Bridge Routing Heads（BRH），其语言专属头集合在五种语言间近乎互斥，平均 Jaccard 相似度仅 0.017 和 0.057。
arXiv cs.CLAI 评分2727 SpikingVLA：异步脉冲视觉-语言-动作模型
SpikingVLA 是一个 ANN-to-SNN 转换框架，通过提出 Dendritic Integrate-and-Fire（DIF）神经元和异步执行机制，实现低延迟的脉冲 VLA 推理。相比现有脉冲 VLA 方法，其 SR 和 SPL 分别提升 11.9% 和 12.6%，首动作延迟降低 11.2 倍。
arXiv cs.AIAI 评分2222 LLM 内部特征被模型真正使用了吗？区分引导与机制
研究提出一套实证契约，在自然输入观测值上评估特征，通过安装、移除与下游救援测试区分特征是否被模型真正使用。对三类表征的测试显示，已发表的未知实体 latent 虽能强烈引导知识弃答，但将观测值安装到匹配提示中仅能迁移自然已知—未知弃答对比的一小部分。Gemma 与 Llama 的稠密已知—未知方向在安装与移除间呈现相反不对称性，主语—动词一致性特征集能否复现行为取决于其值写入模型的方式。
arXiv cs.CLAI 评分2727 PersonTTS：通过摊销式智能体策略发现实现个性化测试时扩展
PersonTTS 是一个摊销式智能体策略发现框架，将个性化测试时扩展（TTS）形式化为发现能最大化用户多维需求联合满足率的可执行控制器，通过需求匹配的控制器初始化和源蒸馏过程指导复用先前搜索经验。
arXiv cs.CLAI 评分2727 InsClaimBench：面向保险理赔裁决全决策链的基准测试
InsClaimBench 是覆盖汽车、财产和健康保险理赔裁决全决策链的端到端基准，包含 375 个案件族共 3,780 个案件、86,656 条原子规则判断。
arXiv cs.CLAI 评分2929 SAPD：步对齐特权蒸馏，无需 rollout 的离线后训练方法
研究者提出 Step-Aligned Privileged Distillation（SAPD），一种无需 rollout 的自蒸馏方法，将固定示范转化为步对齐的分布监督，用参考解的已知推进过程为每个推理步骤提供针对性特权引导。
arXiv cs.CLAI 评分3737 研究：On-Policy Distillation 教模型新技能而非新知识
一项受控合成框架研究显示，reverse-KL 的 on-policy distillation（OPD）能跨未见推理结构稳定迁移组合技能，但几乎不迁移事实知识。在来自三个家族的四个模型上，将 reverse KL 换成 forward KL 可恢复事实迁移，而学生 rollout 则专门提升多步推理执行。近期事实问答与竞赛数学实验呈现类似不对称：推理显著提升，参数化知识未扩展。
arXiv cs.AIAI 评分3333 Cascadia 在十一台 AI PC 上实现 975B MoE 模型常驻推理
Cascadia 在十一台 Intel Core Ultra X7 358H AI PC 上常驻运行 975B 总参数/41B 激活参数的 Inkling MoE 模型，每台配 64 GB 内存、Arc B390 核显与千兆以太网。
arXiv cs.CLAI 评分1818 多语言推理中骨架语言该如何选择？LASEF 框架研究骨架语言效应
研究者提出 Language-Aware Skeleton Exploration Framework（LASEF），研究多语言数学推理中骨架提示词的语言选择问题。
arXiv cs.CLAI 评分2222 LLM 在否定语境下如何改变预测？
研究评估了近期开源与闭源 LLM 的否定处理能力，发现 37-71% 的情况下模型在否定后仍重复原答案（如问"西班牙非首都"仍答"Madrid"）。机制分析显示，专门的注意力头和 MLP 神经元通过抑制原答案检索、同时提升同类候选答案来实现否定，这与人类利用原答案信息确定排除对象的处理方式不同，也是否定失败的关键原因。
arXiv cs.CLAI 评分2424 OnlineQAT：面向超低比特大语言模型的在线策略蒸馏
OnlineQAT 是一个两阶段框架，先通过分块 QAT 获得可用的低比特初始化，再对学生模型自生成回答做在线策略蒸馏（OPD），由冻结的全精度教师模型在每个访问前缀上提供采样的反向 KL 训练信号。在 Qwen3-1.7B 上，该方法在 W3A16 取得 57.28、W2A16 取得 32.52，平均成绩优于所对比的量化方法，分别比 ReasoningQAT 高出 2.90 和 0.44 分。
Hacker NewsAI 评分6262 Bud Ecosystem 发布 Decision Studio，本地运行开源决策模型
Bud Ecosystem 发布 Decision Studio，一个可在本机运行开源决策模型的桌面应用，输入情境和问题后直接返回每个答案的校准概率，号称是 Jev 类 System One 模型的 LM Studio。
GitHubAI 评分1515 Micro-ACT-R 的 topological-mapper：为认知 OS 流水线构建范畴论图网络
Micro-ACT-R 项目发布流水线第二阶段 topological-mapper，将上游封装的粒子对象（particles.json）映射为 Entity 或 Event 节点，并自动连上 Cause、Action、Relation 等范畴论态射，输出 topological_graph.json。
RadarAIAI 评分7171 Understanding AI 解读新模型 Jev：只输出概率的新形态 AI 为何爆红
TypeSafe AI 于 9 月 15 日发布的新模型 Jev 走红，公告获近 4000 万浏览，一周内超 10 万人加入其 Discord，GitHub 上约 2000 个项目使用。
RadarAIAI 评分5757 Step 5 Preview 在 StepFun 八项基准中六项胜过 Kimi K3 与 GLM-5.3
OpenRouter 转述 StepFun 的 8 项基准评测结果，Step 5 Preview 在其中 6 项上击败 Kimi K3 和 GLM-5.3。具体成绩包括 DeepSWE 67.7、ProgramBench 80.5、StepCodeBench 49.0 和 FrontierFinance 66.4。
Hacker NewsAI 评分6262 Phobos v0.1.0 发布：自研内核语言在 2019 年的 RTX 2080 SUPER 上跑通 LLM 推理
作者发布 Phobos v0.1.0，这是其自研小型内核语言的第一个版本，所有内核在运行时编译，不依赖 cuBLAS 或 CUDA toolkit，仅需驱动。
PyTorch BlogAI 评分3434 IBM 如何将 Spyre 打造为原生 PyTorch 设备
IBM 通过 torch-spyre 将 Spyre 接入 PyTorch 的设备、分配器、流与编译器抽象，使其成为原生 PyTorch 设备。Spyre 是 IBM 面向推理的数据流 AI 加速器，拥有 32 核、每核 2 MB scratchpad 和最高 128 GB LPDDR5，专为 IBM Z、LinuxONE 与 Power 系统上的企业推理设计。
Simon WillisonAI 评分6666 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、49B 激活参数的模型，在自有的 3800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
Hacker NewsAI 评分3636 AI 可能终结现有公钥加密体系
AI 模型正加速数学与密码分析进展：Claude Fable 证伪三维 Jacobian 猜想，OpenAI 称 Astra 解决或推进 10 道难题，一款未发布 OpenAI 模型解出 Navier-Stokes 千禧年难题；Anthropic 研究显示 Claude Mythos Preview 发现针对两种密码算法的新攻击，其中一种是被 NIST 评估的后量子技术。
Hacker NewsAI 评分5858 论文提出 LLM 中的疼痛轴并测试其行为影响
arXiv 论文《The Pain Axis: LLMs Represent Self-Directed Harm and Act on It》研究 LLM 是否以区别于恐惧、悲伤和一般负面效价的方式表征疼痛。
RadarAIAI 评分4141 NVIDIA PivotOPD：让多轮 AI 智能体从关键错误中恢复的在线策略蒸馏方法
NVIDIA 联合普林斯顿大学和马里兰大学提出 PivotOPD，一种面向多轮 LLM 智能体的在线策略蒸馏方法，训练智能体避开最致命的早期错误并在错误发生后恢复。
Hacker NewsAI 评分4242 用 Lean 4 形式化验证的 Hilbert-Smith 猜想独立证明
一份 17 页论文给出 Hilbert–Smith 猜想的独立证明，核心是 p-adic 排除定理：任意素数 p 下，ℤ_p 在连通有限维流形上的连续作用必有非平凡核。
Hacker NewsAI 评分3434 Show HN：gutsy-0.8b 本地决策模型，CPU 上输出校准概率
gutsy-0.8b v0.4 发布，这是 Qwen3.5-0.8B 的微调模型，输入文本或 JSON 状态与 yes/no、choice、score 类问题，直接返回各选项概率，不做文本生成、不联网、无按次调用成本。
Hacker NewsAI 评分6060 lily-qwen3.8-flash-next 发布：面向 Apple Silicon 的 Metal 推理服务
lily-qwen3.8-flash-next 是一个面向 Apple Silicon 的 Metal 推理服务，只服务 Qwen3.8-Flash-Next 一个模型，由 Perplexity 的 lily 引擎移植并针对该模型调优。
Latent Space精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 相同，同日还下调了 Sonnet 5.5 与订阅方案价格。
推荐理由：汇总了 Haiku 5.5 的定价、独立评测与 token 消耗数据，可对照 GPT-6 Luna 判断小模型在智能体工作流中的成本取舍。
科技媒体 RSSAI 评分6262 新论文指出 Lean 验证通过不能保证 AI 翻译的原始数学证明正确
一篇新论文指出，AI 把数学证明翻译成 Lean 后通过 Lean 检查，并不能说明原始自然语言证明正确。论文展示了聊天机器人通过悄悄修正错误，把一个错误证明变成有效的 Lean 证明；并论证判断陈述能否被忠实翻译可证明地难于停机问题，因此任何 AI 翻译器都无法总是做到。
arXiv cs.CLAI 评分2323 CoDR：面向扩散语言模型的免训练置信度漂移重掩码方法
针对掩码扩散语言模型（MDLM）中已提交 token 不可逆、早期错误会传播的问题，研究者提出免训练且与采样器无关的 CoDR（Confidence Drift Remasking）。
arXiv cs.AIAI 评分2424 MOTIVE：面向视觉语言模型的多视角自验证与可靠性引导重思考框架
针对视觉语言模型易生成看似合理却错误答案的问题，研究者提出 MOTIVE 多视角自验证框架，通过正确性对齐的多视角验证学习得到可靠性分数，在推理时决定直接采纳还是触发历史引导的重思考。实验显示，MOTIVE 在多种多模态基准和 VLM 主干上持续优于强自验证与自纠正基线，并减少不必要的推理轮次，无需外部评判模型。
arXiv cs.CLAI 评分4040 超越谄媚分数：任务、模型与压力如何影响 LLM 让步行为
一项基于 103,939 条评分回复的研究发现，LLM 谄媚让步的主导因素是验证用户主张的成本，以及是否有训练过的护栏覆盖该场景，而非压力话术。从逻辑模型中移除任务因素会损失 0.485 的 McFadden R²，模型家族为 0.139，压力策略仅 0.009。