Jake Boggan 谈 Barnette 猜想被 openai/math 解决的心情
曾为研究图论移居布达佩斯的 Jake Boggan 表示，他为 Barnette 猜想断断续续投入了 24 年、数千小时，得知该猜想据称已在 openai/math 的问题 180 中被证明后百感交集。他形容这种心情“像听到前女友突然车祸去世般难过”，并猜测今晚还有不少人同样情绪复杂。
#推理
#推理
今日 10 条Simon WillisonAI 评分3636 The DecoderAI 评分6060 PhAI Labs 联合斯坦福等团队推出 JEPA-Anything，将 JEPA 扩展为跨物理到生物的通用世界模型
PhAI Labs 牵头、联合斯坦福、牛津和普林斯顿的研究团队发布 JEPA-Anything，将 Yann LeCun 提出的 JEPA 架构扩展为可跨七个领域工作的通用世界模型。
The DecoderAI 评分6060 Reflection 发布 501B 开放权重模型 Beam，主打低算力编码与推理
Reflection 宣布首款免费开放模型 Beam，总参数 501B、每 token 激活 23B（MoE），面向编码、逻辑推理和智能体任务。据 Reflection 称，Beam 在高难推理任务上以少三到四倍的算力匹配 GLM 5.2，编码与智能体基准接近 Qwen3.8-Max，但原始性能仍不及 Kimi K3 等更强开源模型。
OpenAI News精选AI 评分6161 OpenAI 公布内部前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上分享 Lean 证明形式化和研究细节。
推荐理由：OpenAI 公布内部前沿模型在数学未解问题上的结果，并开源 Lean 证明形式化，读者可查看研究细节。
Microsoft ResearchAI 评分4848 Microsoft Research 播客：AI 会出什么错，失败教会我们什么
Microsoft Research 播客中，partner research manager Jennifer Neville 与应用科学家 Chad Atalla 对谈，探讨评测如何推动 AI 系统突破性能边界以满足用户需求，以及模型在传统 benchmark 之外测试时出现的“意外失败”。她分享了使用现有 AI 系统的实用建议，并强调当结果不符合预期时仔细检查数据的重要性。
TechCrunch · AIAI 评分5959 Reflection AI 发布首个前沿开源权重模型 Beam，声称以更低推理成本匹敌中国开源模型
美国初创公司 Reflection AI 正式发布其首个前沿开源权重模型 Beam，称其在高级推理基准上与 Z.ai 的 GLM-5.2 表现相当，推理计算用量少 3-4x。
TechCrunch · AIAI 评分2222 TechCrunch Disrupt 2026 公布完整分会场议程
TechCrunch Disrupt 2026 将于 10 月 13-15 日在旧金山 Moscone West 举行，汇聚 10,000+ 名创始人、投资人和科技领袖，并公布全部 breakout session 议程。
Simon WillisonAI 评分5959 Mistral Large 4 预览版发布：1 万亿参数、49B 激活
Mistral 发布 Mistral Large 4 预览版，总参数 1 万亿、激活参数 49B，用自有 3,800 张 NVIDIA Grace Blackwell GPU 训练，已可通过 Mistral API 使用，承诺本月底开源权重。
The Verge · AIAI 评分3939 AI 接管数学引发的种种争议
过去一年，OpenAI、Anthropic 等 AI 实验室在多个长期悬而未决的数学问题上宣布突破，甚至包括一个著名的千禧年大奖难题。这些本该受到庆祝的成果却在数学界引发强烈反弹，OpenAI 表示将咨询顶尖数学家以避免重蹈覆辙，但能否兑现仍有待观察。
The Verge · AI精选AI 评分7676 OpenAI 发布722篇数学手稿，涵盖数百个开放问题解答
OpenAI 发布722篇数学手稿，覆盖372个结果族，据 AGMAI 称包含对"数百"个开放问题的解答，成果由一个未发布的前沿模型产生。手稿发布在 GitHub 仓库并附论文修订与引用协议，还包括模型推理摘要、算力估算，OpenAI 称平均每个结果相当于 ChatGPT Pro 三小时的思考量。
推荐理由：报道给出722篇手稿的规模、问题数量和算力估算，读者可据此了解这批数学成果的实际内容与学界争议。
Simon WillisonAI 评分3333 Qwen3.8 27B 用单词做加法基准测试
一项基准测试了本地 `Qwen3.8-27B-Q4_K_M.gguf` 模型能否只用英文单词表达正整数加法的精确结果，共 5,070 个关闭推理的用例及 169 个开启推理的对照用例。关闭推理时数值准确率仅 23.57%，其中 1-3 位数运算达 97.04%，10-13 位数降至 6.44%，格式合规率 96.17%；开启推理后在 169 次尝试中答对 167 次。
MIT Technology Review · AIAI 评分5656 AlphaGo 前核心成员 Thore Graepel 撰文认为 LLM 并不具备真正的推理能力
DeepMind AlphaGo 团队前核心成员 Thore Graepel 撰文指出，大语言模型本质上仍是快速联想的 next-token 预测，其思维链并非独立推理机制，不具备科学意义上的推理。
Latent SpaceAI 评分5353 Latent Space 播客对话 MIT 的 Alex Zhang：RLM、harness 设计与智能体集群如何释放模型潜力
Latent Space 播客专访 MIT 博士生 Alex Zhang，讨论其 GPU Mode、KernelBench 与 Recursive Language Models（RLM）等工作。
Ars Technica · AIAI 评分6767 AI 击败史上最强 Stratego 棋手 Pim Niemeijer，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出名为 Ataraxos 的 AI，以 15 胜 1 负 4 平击败被认为是史上最强 Stratego 棋手的 Pim Niemeijer，训练仅用 16 块 GPU 和几千美元。Stratego 是大量信息隐藏且博弈时间尺度很长的不完全信息游戏，此前连 DeepMind 也未能造出稳定击败人类顶尖玩家的机器。
The Decoder精选AI 评分7777 AI 击败 Stratego 史上最强人类棋手，Ataraxos 以不到 8000 美元算力突破不完美信息博弈
研究团队开发的 Ataraxos 在三周的对局中以 85% 有效胜率击败了四届世界冠军、公认史上最强的 Stratego 棋手 Niemeijer，并在 2025 世界锦标赛表演赛中赢下 40 局中的 38 局。
推荐理由：原文对比了 Ataraxos 与 DeepNash 的训练成本和方法细节，读者可以了解不完美信息博弈研究的最新进展。
Latent SpaceAI 评分7373 Gemini 4 Argon 发布：GDM 对标 Astra/Fable，输出上限达 1M token
Google DeepMind 发布 Gemini 4 Argon，主打编码、企业知识工作与网络防御，在 19 项基准中 13 项排名第一，输出上限从 64K 提升至 1M token，定价 $4/$20（限时五折 $2/$10），目前仅向 Fairwind 项目的政府用户和可信网络防御者开放。
The DecoderAI 评分7575 Google 发布 Gemini 4 Argon，逼近 OpenAI 与 Anthropic 但未明显领先
Google 发布 Gemini 4 Argon，是其七个多月来首个前沿模型， introductory 定价为每百万输入 token $2、输出 $10，缓存输入约 95% 折扣。
The Verge · AIAI 评分7272 Google 发布 Gemini 4 Argon，初期仅向可信网络防御者开放
Google 发布新一代前沿模型 Gemini 4 Argon，称其在软件工程、法律金融等企业知识和网络安全防御等复杂工作流中表现前沿。
NVIDIA BlogAI 评分5252 CoreWeave 上线 NVIDIA Vera Rubin NVL72，发布 Forge 平台并引入 Vera CPU
CoreWeave 宣布其云平台正式提供 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网组网，Cognition 成为首家在其上运行生产负载的客户，实测 SWE-2 推理总 token 吞吐较 GB200 NVL72 提升最高 4.8x。
AWS Machine Learning Blog精选AI 评分6969 OpenAI GPT-6.1 Sol 在 Amazon Bedrock 正式上线
GPT-6.1 Sol 在 Amazon Bedrock 正式可用，聚焦智能体编码、计算机操作和专业工作负载的更强推理能力。据 OpenAI 称，其 DeepSWE v1.1 成绩与 GPT-6 Astra 相当且每任务成本约为五分之一，超过 GPT-6 Sol 最佳成绩 6.4 个百分点；在透明度、用户意图和显式限制评估中也优于 GPT-6 Sol。
推荐理由：官方公告给出了与 GPT-6 Sol 和 GPT-6 Astra 的具体对比数据，可帮助读者评估其智能体工作场景的性价比。
Hugging Face Blog精选AI 评分6363 NVIDIA 发布开源表格基础模型 Kumo Tabular，单次前向预测表格标签
NVIDIA 发布开源表格基础模型 Kumo Tabular，现已上架 Hugging Face。给定带标签的表格，模型在单次前向传播中直接预测新行标签，无需训练、调参或特征工程，支持分类和回归，基于 Transformer 并采用列、行和 in-context 注意力，完全在人工生成的表格上预训练。
推荐理由：官方介绍了无需训练微调的表格基础模型的架构、预训练配方和四项基准表现，读者可评估它能否替代传统梯度提升树工作流。
AWS Machine Learning Blog精选AI 评分6464 Grok 4.7 上线 Amazon Bedrock，支持 500K 上下文和四档推理力度
xAI 的 Grok 4.7 已在 Amazon Bedrock 上可用，提供 500K token 上下文窗口，支持 low、medium、high、xhigh 四档推理力度。
推荐理由：原文给出 Bedrock 上的接入方式、推理档位配置和成本权衡，读者可直接据此规划调用与费用。
AWS Machine Learning BlogAI 评分4343 用 SkyRL 在 Amazon SageMaker HyperPod 上加速多模态 RL 训练
AWS 展示了如何在 SageMaker HyperPod 上用开源 RL 框架 SkyRL 训练 Qwen3-VL-8B 视觉语言模型完成视觉迷宫导航任务。基于 VisGym SFT checkpoint，使用 GRPO 后训练将 64 个固定迷宫评测集的解题率从 43.75% 提升到 95% 以上。
AWS Machine Learning BlogAI 评分5151 AWS 详解 NarrateAI 在 Amazon Bedrock 上的五项生产级 LLM 质量保障技术
AWS 团队发文详解 NarrateAI 在 Amazon Bedrock 上实现生产级 LLM 质量保障的五项技术：自适应流水线路由、跨账号多模型容灾、实时流式评估、复合评估框架和数据准确性校验。
Latent SpaceAI 评分3636 Latent Space 公布 AINews v3 计划：合并 Discord、迁移 Beehiiv 并重启赞助
Latent Space 主理人 swyx 宣布对运营 3 年、订阅超 20 万的 AINews 进行改版，计划将 AINews v3 与数万成员的 Latent Space Discord 合并，站点迁移至 Beehiiv 并推出新主页。
Simon Willison精选AI 评分8585 Anthropic 发布 Claude Opus 5.5，OpenAI 随后推出 GPT-6 Sol 与 GPT-6 Luna，新一轮价格战开启
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna。
推荐理由：作者实测了三家新模型并整理完整价格表，读者可以据此比较新一轮降价幅度和各档模型的实际表现。
Latent SpaceAI 评分5959 Latent Space 访谈 John Platt：从教科书算法到 Google ERA 与 AI for Science
Latent Space 发布对 John Platt 的长篇访谈，他是 SVM 等两个教科书算法的发明者，现于 Google 领导 Empirical Research Assistance（ERA）研究。
Simon WillisonAI 评分6969 TypeSafe AI 发布决策模型 Jev，输出浮点数而非文本
TypeSafe AI 上周发布新类别模型 Jev，称为 System One 模型，接受文本输入但输出浮点数形式的分类、是/否判断、评分和置信度。Jev 只对输入收费，价格为 $0.042 per million tokens，低于 GPT-5 Nano 的 $0.05/million，支持并行评估多个问题，适合分类、排序和搜索重排等任务。
NVIDIA BlogAI 评分4444 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 预览提交中首次亮相，Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7x，DeepSeek-R1 上达 2.5x。
OpenAI News精选AI 评分6969 OpenAI 发布 GPT-6 Astra：面向商业场景的下一代模型
OpenAI 发布 GPT-6 Astra，定位为面向商业的最强模型，具备高级推理和计算机使用能力，写作与设计判断也更强。
推荐理由：官方发布了面向商业场景的新模型，提到推理、计算机操作和写作设计判断，读者可据此评估其在工作流中的定位。
OpenAI News精选AI 评分8181 OpenAI 分享 Navier–Stokes 千禧年难题的 AI 生成解法
OpenAI 分享了一个针对 Navier–Stokes 千禧年大奖难题的 AI 生成解法，内容包括一份解题文章和一个 Lean 形式化证明。材料来自 OpenAI 官方公告，feed 未提供完整正文，具体证明内容和方法细节以原文链接为准。
推荐理由：官方公开了 AI 生成的 Navier–Stokes 千禧年难题解法，并附带 Lean 形式化证明，读者可以据此关注 AI 在数学证明方向的实际产出。
Google ResearchAI 评分5757 Google 发布 TimesFM-3 时间序列基础模型，支持零样本多变量预测
Google Research 发布时间序列基础模型 TimesFM-3，参数量 330M，在超 1 万亿时间点的真实与合成语料上预训练，首次原生支持零样本多变量预测。
Hugging Face Blog精选AI 评分6161 IBM 发布 Granite 4.2 推理模型家族，详解 15T token 预训练与多阶段 RL 训练管线
IBM 发布 Granite 4.2 推理模型家族，含 3B、8B、30B 三个稠密解码器模型，基于 Granite 4.1 基座（从头在约 15T token 上预训练，五阶段策略将上下文扩展至 512K），经 SFT 与多阶段 GRPO 强化学习后训练，全部以 Apache 2.0 许可开源。
推荐理由：官方完整披露从预训练、SFT 到多阶段 GRPO 和智能体 RL 的训练细节，可迁移到类似模型的构建流程。
Hugging Face BlogAI 评分4343 Hugging Face 提出 Quantization-Aware Healing：4-bit 压缩模型反超全精度原版
Hugging Face 提出 Quantization-Aware Healing（QAH），将 GPT-OSS 120B 结构压缩至 60B 参数并量化为 MXFP4 后，直接从压缩前的原始模型蒸馏，而非从恢复后的 bfloat16 检查点蒸馏。
Import AIAI 评分4747 Import AI 470：机器不该有权利；用 SPADE 自动化环境生成；用 Hawkeye 构建更好的 GPU kernel
Import AI 第 470 期：METR 研究发现 AI 对网络安全发现带来显著加速，对数学略有贡献，但对 AI 研究算法优化尚无可测加速。多所大学团队提出 SPADE 框架，通过自博弈协同进化环境合成与智能体能力，在 Qwen3-30B-A3B 上使游戏环境套件平均分达 58.3，较基线高 5.3。本期还介绍 Hawkeye，用于构建更好的 GPU kernel。
Import AIAI 评分4444 Import AI 469：科学 AI、RSI 模拟器与 DiG-bench 发现能力基准
DiG-bench（Discovery in Games）发布，这是一个包含 70 款游戏的基准，用于测试 AI 通过探索自主发现隐藏规则的能力，21 款游戏已公开。
Google ResearchAI 评分5959 Google Research 提出知识画像框架：前沿 LLM 的事实性瓶颈在召回而非编码
Google Research 发布 WikiProfile 基准（2,150 条 Wikipedia 事实，每条配 10 个任务）和知识画像框架，评估 13 个 LLM 后发现前沿模型 95–98% 的事实已编码，但仍有 26–34% 无法直接召回，开启 thinking 后仍有 11–12% 失败。
Microsoft ResearchAI 评分5858 Microsoft Research 发布 CARE-X 胸部 X 光研究模型，结合辅助监督、DAPO 强化学习与工具增强测量
Microsoft Research 推出研究模型 CARE-X，一个统一胸部 X 光 VLM，基于 SigLIP2-so400M 与 Phi-4-mini-instruct（3.8B），通过辅助头联合训练提供报告生成与带置信度的结构化预测，并用 DAPO 强化学习对齐临床奖励。
Google ResearchAI 评分4949 Google Research 如何让量子计算机从错误中学习
Google Research 在 Nature 发表基于强化学习的量子纠错控制框架，让智能体利用错误检测事件持续调节数千个控制参数，在计算进行中对抗漂移。在 Willow 超导处理器上注入人为漂移的实验中，RL 控制使逻辑稳定性提升 3.5 倍，并在专家校准基础上进一步将逻辑错误率降低 20%。
Hugging Face Blog精选AI 评分8080 Thinking Machines 发布万亿参数开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling，总参数约 1T（975B，激活 41B 的 MoE），原生接收图像、文本和音频输入，支持 1M 上下文，训练数据为 45 万亿 token，包含 BF16 和 NVFP4 权重。
推荐理由：官方博客给出架构细节、各档位 VRAM 需求和部署配置，读者可以据此评估多模态部署成本与选型。