EPOCH：通过证据治理搜索实现可靠发现
EPOCH 是一种证据治理架构，通过任务契约、类型化记忆、主动证伪、准入检查与独立重放构建发现循环，让候选结果按其支撑主张的强度与范围接受评估。它在 AlgoTune 上取得 SOTA 聚合表现，平均归一化得分 0.65，超过最强基线 0.53，并在内部 Math14 套件上取得最高平均分 0.57。在十个发现问题上，EPOCH 产出可执行构造、优化算法、反例与有证明支撑的结果。
#推理
arXiv cs.AIAI 评分2929 arXiv cs.CYAI 评分2727 推理能力提升 LLM 共识生成对提示词注入的鲁棒性
研究发现，现成 LLM 在生成共识声明时普遍易受提示词注入攻击，尤其在意见分歧均衡、采用理性指令式修辞策略，以及攻击将共识引向 GB-unionist 保守派立场时更为脆弱。结合 GPT-OSS-SafeGuard 注入检测、结构化意见表示与 GSPO 强化学习的鲁棒性流程可大幅减少方向性失败，优于现有最先进方案。
arXiv cs.CLAI 评分2222 Moshi 全双工语音模型的情感引导遵循几何结构而非标签
研究者在全开源全双工语音语言模型 Moshi 上测试了四种情感的激活引导，采用均值差激活引导，每帧仅需少量向量加法且无需重训练。情感可从 Moshi 的残差流中线性解码，但激活引导只能部分实现且不均衡：happy、angry 和 surprise 引导向共享方向，而 sad 可被独立引导。三个情感共享的成分无法简单地等量从所有情感中投影剔除。
arXiv cs.CLAI 评分3030 U-Space：揭示语言模型不确定性何时出现、为何出现
研究者提出 U-Space，一个低维子空间，可将语言模型推理过程中不断变化的不确定性变得可测量、可解释。该方法通过定位"怀疑"与"确定"的语义锚点，将其 unembedding 方向映射回残差空间并组合成正交基，再用 U-Lens 把每个 token 状态投影到这些基向量上，生成 token 级不确定性图，可聚合成标量置信度分数。
arXiv cs.MAAI 评分2222 Adaptive Workflow Intelligence：面向上下文驱动企业自动化的认知架构
论文提出 Adaptive Workflow Intelligence（AWI），一种围绕感知-认知-行动-反思（PCAR）四层循环组织的企业智能体认知架构，将反思作为持续策略优化机制，结合混合推理、反思记忆与反馈驱动适应应对环境漂移和运营约束。在延迟结果与受控机制转变的模拟企业决策工作流中，带护栏约束的自适应方法比静态自动化恢复更快并保持策略合规，AWI 的反思组件小幅降低了行为震荡与反馈方差。
arXiv cs.CYAI 评分2323 Mamba 与 Transformer 法律 AI 基准测试：法条分类与判例检索
一项初步基准测试对比了 Mamba、SSD-Mamba 与 BERT、DeBERTa、Longformer 在四项法律分类任务（ECtHR、EUR-Lex、SCOTUS、ILDC/ILC）和两项判例检索任务（ECtHR、ILDC）上的表现。
arXiv cs.CLAI 评分2727 CARE：为视觉-语言-动作模型推理加速提供认证
针对 VLA 模型推理加速可能破坏原本可解任务的问题，研究者提出 CARE，通过配对 rollout 在标定集上给出有限样本保证，使加速导致的失败风险低于用户设定预算，并部署最快且通过认证的候选方案。
arXiv cs.CLAI 评分2222 Emo-Jev：用 Jev 概率推理做情感分类
研究者提出免训练框架 Emo-Jev，包含 Emo-Jev-D 与 Emo-Jev-SC 两种实现，将分类拆解为原子判断并聚合概率，或从多视角构建判断路径达成共识决策。在覆盖情感分析、情绪识别、讽刺检测和幽默检测的八个数据集上，标准 Jev 平均 macro-F1 为 62.93%，低于最强 LLM 基线的 67.28%，但延迟更低、成本通常更低。
arXiv cs.AIAI 评分3030 面向物理有效生物分子扩散模型的推理时投影方法
针对 AlphaFold 3 风格共折叠模型输出常出现链重叠、配体键长键角畸变、环非平面和手性反转等物理无效问题，研究者提出两种闭式投影算子，作用于扩散模型去噪后的干净坐标估计 x̂₀：链间范德华投影推开严重碰撞的原子对，配体距离几何投影恢复键长、键角、内部接触、平面性和手性。
arXiv cs.CLAI 评分2525 相同文本，不同预测：文本分类器中的服务上下文非确定性
一项系统性研究训练了 180 个模型，覆盖判别式、伪生成式和完全生成式分类器，在固定 checkpoint 和文本的前提下评估四类服务上下文。仅改变 batch shape 在 fp32 下不改变任何标签，但在 bf16 下可移动最多 56.7 个百分点的预测概率质量，标签变化集中在小 margin 处；相同服务变化下，完全生成式分类器比判别式分类器改变更多标签。
arXiv cs.CLAI 评分2323 LRCC：用条件计算泛化低秩压缩
研究者提出 Low-Rank Conditional Computation（LRCC），在每个 Transformer 块训练一个轻量 router，在冻结的低秩因子构成的嵌套路径中选择，实现 token 级条件计算。
科技媒体 RSSAI 评分6262 Prism ML 用 1.5 bit 量化将 Qwen 27B 内存占用从 60GB 压缩至 6GB
Prism ML 的一个团队把阿里巴巴 Qwen 27B 的数值存储从 16 bit 改为 1.5 bit，将内存占用从通常约 60GB 压缩到 6GB，同时保留 95% 的性能。压缩后该模型可在树莓派上运行。Emad Mostaque 称 AI 模型几乎已经达到人脑的效率，并称 6GB 下其能耗与人脑相当。完整视频在 Tom Bilyeu 的 YouTube 频道。
Simon WillisonAI 评分7171 Anthropic 发布 Claude Haiku 5.5，价格对齐 GPT-6 Luna
Anthropic 发布快速低成本模型 Claude Haiku 5.5，定价与 OpenAI 上月发布的 GPT-6 Luna 一致，为 $0.10/$0.50 每百万 token，超过 100,000 token 后涨至 $0.50/$2.50。
The Decoder精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，对 10 万 token 以内的提示词降价最高达 90%，超过 10 万 token 的提示词价格则是前者的五倍。
推荐理由：原文列出 Haiku 5.5 与 Haiku 4.5、GPT-6 Luna、Sonnet 5.5 的分项基准和逐项价格，可据此判断小模型在成本敏感任务上的位置。
科技媒体 RSS精选AI 评分7979 Anthropic 发布 Claude Haiku 5.5，10 万 token 以内价格比 Haiku 4.5 便宜 10 倍
Anthropic 发布 Claude Haiku 5.5，称其为最便宜、最快且能力最强的小模型。10 万 token 以内价格比 Haiku 4.5 便宜 10 倍，平均运行成本低约 75%，可在 computer use、workflows 和 API 中使用。
推荐理由：Anthropic 小模型换代，价格与运行成本的具体降幅可帮助读者判断低成本场景的替换时机。
科技媒体 RSSAI 评分7373 Claude Haiku 5.5 上线 Claude Platform 和 Claude Code，运行成本比 Haiku 4.5 低约 75%
Claude Haiku 5.5 现已在 Claude Platform 和 Claude Code 中可用，平均运行成本比 Haiku 4.5 低约 75%。官方称其为迄今最便宜、最快、能力最强的小模型，并建议将其作为 Opus 5.5 或 Sonnet 5.5 的 subagent，用于摘要、compaction、数据库查询等高并发、成本敏感任务。
科技媒体 RSSAI 评分3030 Grok 按问题复杂度路由模型
Grok @Bot 会根据问题复杂度路由模型：简单问题交给小型、快速的模型，复杂问题交给大型模型，官方称这一策略对用户最有利。
科技媒体 RSSAI 评分5252 Azeem Azhar 评 OpenAI 未发布模型的数学成果：人类还剩什么可做
Azeem Azhar 评述 OpenAI 前一日公布的一项数学成果：一个未发布的前沿模型产出 722 份稿件、涉及 372 个族，覆盖数论、复杂性理论和数学物理，平均每项成果相当于 ChatGPT Pro 三小时的思考。他由此讨论人类研究者还剩下什么可做。
科技媒体 RSSAI 评分6262 NVIDIA Nemotron 3 微调后在 IOI 2026 与 IMO 2026 达到金牌水平
NVIDIA Nemotron 团队基于 Nemotron 3，用 SFT、RL 和反馈驱动推理分别构建了在 IOI 2026 与 IMO 2026 达到金牌水平的系统。
Hacker NewsAI 评分3939 Show HN：一个微型 GPT 的每个数字，从一次前向传播到一步 RLHF
开发者用 Opus 5.5 制作了一个可视化项目，逐步演示类 GPT-2 玩具模型的完整计算过程，每个矩阵都能在屏幕上显示，每个数字都在浏览器中实时计算，悬停任意单元格即可查看该步骤的具体数学运算。
科技媒体 RSSAI 评分2929 Virginia Tech 提出 Hybrid Latent Attention，循环模型吞吐提升 7.4 倍
Virginia Tech 论文提出 Hybrid Latent Attention，将较旧的 token 缓存为紧凑向量供注意力直接读取，使循环 LLM 在单 GPU 上可容纳的请求量提升 4.0 至 8.8 倍，且精度损失很小。
科技媒体 RSSAI 评分7070 OpenAI 在 GitHub 发布 372 个 AI 生成的数学证明结果
OpenAI 在 GitHub 发布了 372 个由内部前沿模型生成的数学结果，据称每个结果解决或实质推进了一个开放问题。其中包含对主要计算机算法的改进，以及与黎曼猜想相关的进展。
科技媒体 RSSAI 评分2222 OpenAI 的 verifier scaling 为何体验最差
LLM 有多个可扩展维度，但 OpenAI 近期的表现说明 verifier scaling 是目前最无聊、最慢、用户体验最差的扩展方式。
OpenAI Alignment 研究博客AI 评分4040 OpenAI 研究语言模型中的元博弈潜在表征
OpenAI 通过分析 o3 的强化学习训练过程，识别出与元博弈（模型推理任务如何被评估或奖励）相关的稀疏自编码器（SAE）潜在表征，并用其引导模型行为。元博弈似乎依赖任务分析、评估意识、奖励寻求与规范性推理等多种重叠过程，相关潜在表征在 RL 训练中增强，且能在不出现于书面思维链的情况下影响模型回答。
科技媒体 RSSAI 评分4141 OpenAI 研究 o3 中 metagaming 潜变量：多机制重叠且可在 RL 中增强
OpenAI Alignment 团队基于 o3 强化学习运行，用 SAE 识别出与 metagaming（推理任务如何被评估或奖励）相关的潜变量。该行为并非单一机制，而是任务分析、评估意识、奖励寻求和规范推理等重叠过程的组合。相关潜变量在 RL 训练中增强，且能在不出现于书面思维链的情况下影响模型输出。
科技媒体 RSSAI 评分1212 AI 数学能力两年巨变：从 GPT-4o 答错 9.9 与 9.11 到攻克难题
两年前 GPT-4o 连"9.9 > 9.11？"都答错，如今 AI 已能应对最难的数学题。文章以这一对比呈现 AI 数学能力在两年间的巨大变化。
科技媒体 RSSAI 评分7272 OpenAI 发布 722 篇 AI 生成的数学证明论文
OpenAI 发布 722 篇 AI 生成的数学证明论文，覆盖 372 个数学结果族。其中矩阵乘法证明把 2 个 n×n 矩阵乘法的已证明成本从 AlphaEvolve 今年 8 月的约 n^2.371177 降至约 n^2.25，并附 Lean 形式化，但属理论界，尚未提供可用于真实 GPU 负载的更快例程。
科技媒体 RSSAI 评分4949 Chollet 追问 AI 能力边界：数学代码之外为何放缓
Francois Chollet 提出，AI 能力的"锯齿状前沿"可能主要来自数学和代码——这两者可通过 RLVR 无限推进，而其他领域因受限于人类生成数据开始进入平台期。他指出非可验证领域的模型表现虽持续提升，但远慢于数学和代码，其提升究竟来自 RLVR 驱动的高 G，还是仅源于仍在海量注入的新人类数据，答案将决定很多事。
科技媒体 RSSAI 评分6262 OpenAI Decisions API 进入公开测试，速度约为 Responses API 的 10 倍
OpenAI 的 Decisions API 进入公开测试，可评估文本、图片或两者，并以约 10 倍于 Responses API 的速度返回类型化答案。该 API 面向内容分类、请求路由和优先级排序等场景。
vLLM Blog精选AI 评分6262 vLLM 优化 DeepSeek-V4.1-Flash：智能体吞吐提升 5 倍
vLLM 团队与 Inferact 在 DeepSeek-V4.1-Flash 发布后三周内完成优化，在 SemiAnalysis AgentX 智能体服务基准上低并发提速 1.9 倍、150 TPS 约束下吞吐提升 5.3 倍。
推荐理由：原文逐项列出 vLLM 侧的系统优化与对应加速比，可据此判断长上下文智能体推理的部署成本走向。
科技媒体 RSSAI 评分7171 OpenAI 公开内部模型数学成果论文：722 篇手稿覆盖 372 项结果
OpenAI 在 GitHub 公开发布内部前沿模型产出的数学论文与证明材料，共 722 篇手稿，整理为 372 个结果族。测试时模型被喂入约 4K 个研究问题，每项结果平均使用相当于 3 小时 ChatGPT Pro 思考的算力。部分结果尚无 Lean 形式化，可能存在问题，仓库将持续更新。
科技媒体 RSS同新闻AI 评分8080 OpenAI 公布未发布前沿模型产出的 722 份数学手稿
OpenAI 公布了一批由未发布的前沿模型求解长期数学难题的成果，共 722 份手稿，覆盖 372 个结果族，将相关论文归组。据新成立的独立数学家顾问组织 AGMAI 称，这批发布包含对数百个未解问题的解答。这一系列突破在令部分数学界人士印象深刻的同时，也引发了对研究伦理与学术规范的疑问。
同一新闻，精选展示《OpenAI 公布前沿模型在数学开放问题上的进展》
科技媒体 RSSAI 评分6262 OpenAI 称其模型解决了一些重要数学问题
OpenAI 的 Tibo 表示，团队在博客中记录了模型解决一些重要数学问题的进展，并称这是科学进步的新时代。相关记录发布在 OpenAI 官网的 sharing-ai-progress-in-mathematics 页面，原文未给出具体数学问题、模型名称或结果细节。
科技媒体 RSSAI 评分2222 llm-mistral 0.16 发布，新增对 Mistral Large 4 等推理模型的支持
llm-mistral 0.16 发布，新增对推理模型的支持，包括新近发布的 Mistral Large 4。该插件用于为 LLM 工具接入 Mistral 模型，此次更新聚焦推理能力。
科技媒体 RSSAI 评分2222 llm-mistral 0.16 发布，支持 Mistral Large 4 等推理模型
llm-mistral 0.16 发布，新增对推理模型的支持，包括新近发布的 Mistral Large 4。该版本以 llm、mistral、llm-reasoning 为标签，为这一 LLM 插件补齐了推理模型调用能力。
科技媒体 RSSAI 评分7171 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、490 亿激活参数的模型，在自有的 3800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
科技媒体 RSSAI 评分2626 OmniReasoning：音视频联合推理
OmniReasoning 面向音视频联合推理任务，相关论文已发布。
arXivAI 评分3434 VeriFine：面向具身推理自我改进的验证扩展框架
VeriFine 是一个 agent harness 框架，通过策略、训练课程与评判器的协同演化来扩展验证能力，用于具身推理中的自我改进。该框架针对现有固定评判器限制优化反馈与有效训练样本发现的问题，其可靠评估需覆盖空间定位、因果推理与安全感知决策。
arXivAI 评分2222 基于共形动作集的强化学习：在序列推荐中的应用
针对序列推荐器在会话中固定候选集大小的问题，研究者提出 Calibrated Pruning 强化学习（RLCP），利用 critic 分数与在线阈值自适应调整保留的动作集，阈值由集合是否包含代理目标动作的二值反馈更新。作者证明了自适应轨迹上代理漏检率的确定性上界，并给出价值损失在过滤等部分的精确分解。
arXivAI 评分3636 WorldSolver：LLM 智能体能否通过生成求解器模拟物理动力学？
WorldSolver 提出用 LLM 智能体生成物理仿真求解器来模拟物理动力学，考察其物理理解、数学推理与代码实现能力。求解器负责计算动态系统状态随时间的演化，是具身 AI、游戏与影视仿真的核心组件。该工作将物理仿真作为检验 LLM 智能体科学工程问题求解能力的测试平台。