美团 MTFM：统一推荐基座大模型在外卖多业务场景的落地实践
美团在 MTGR 基础上提出统一推荐基座大模型 MTFM，首次实现外卖多个主要业务的统一精排模型，相关成果已被 KDD 2026 收录。MTFM 通过异构 Tokenizer、动态掩码、混合注意力与 Target Scale-Up 等设计应对规模可扩展性、场景可延展性与架构高效性挑战，外卖多业务订单量提升 2.06%~6.68%，推理成本降低 24%。
#推理
美团技术团队AI 评分3434 新智元精选AI 评分8080 何恺明团队VISTA论文：让Claude在ARC-AGI-3拿满分
何恺明团队在arXiv发布VISTA论文，把ARC-AGI-3官方给模型的64×64数字表换成图片，并加入可随时调用的无损视觉记忆相册，Claude Opus 5在25个公开游戏全部183关拿到满分，GPT-5.6 Sol拿到99分。
推荐理由：何恺明团队用视觉输入加无损视觉记忆替代数字表，让同一模型在ARC-AGI-3上从40分升至满分，可看方法迁移思路。
机器之心AI 评分3434 Jev 走红背后：NeurIPS 2025 论文 ConfTuner 早已探索相似概率校准思路
TypeSafe AI 的 Jev 模型因直接输出决策与概率而走红，而 NeurIPS 2025 入选论文 ConfTuner 早已探索相似思路。
新智元精选AI 评分8787 毕树超称 Meta 的 Muse Spark 半年协助破解 6 大数学开放难题
Meta 超级智能实验室的毕树超宣布，其模型 Muse Spark 1.1 和 1.2 在过去 6 个月内协助数学家攻克概率论、微分方程、群论、优化理论、算术物理学、非结合代数六大领域的开放问题，产出 6 篇论文，其中 5 篇给出悬而未决问题的答案，并推翻了群论中一项 2024 年提出的猜想。
推荐理由：Meta 用网页端对话模型在 6 个月内参与解决 6 个数学开放问题，可观察 AI 辅助科研的实际边界。
机器之心AI 评分5151 亚马逊与杜克大学研究：万分之一稀疏监督即可提升大模型推理能力
亚马逊与杜克大学的研究提出极端稀疏监督方法，在 OPD 后训练中每条 rollout 仅随机保留一个 token 的梯度信号，学生模型推理能力仍显著提升。研究基于 Qwen3 系列构造 9 组教师—学生配置，并跨代码推理、Llama 系列和 PPO 的 RLVR 验证了该现象。
量子位AI 评分7171 丘成桐新论文致谢GPT和Claude，宣称解决七维怪球正曲率问题
丘成桐参与的最新论文在致谢中感谢GPT 6 Astra和Claude Pro，称它们帮助探索了部分证明思路和计算。论文宣称证明七维空间28种球面每一种都能配上截面曲率严格为正的度量，补上了从非负曲率到正曲率的关键一步，并附带SageMath验证代码。丘成桐对AI的态度从2023年称AI不可能影响最尖端数学家，逐步转变为主张学生尽早学习使用AI工具。
Ars Technica · AIAI 评分6060 Ataraxos 以 16 块 GPU 在 Stratego 上击败顶尖人类选手
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 在军棋类游戏 Stratego 中以 15 胜 1 负 4 平击败被文章称为史上最强的选手 Pim Niemeijer，训练仅用 16 块 GPU 和数千美元。
Google ResearchAI 评分3434 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散检索器绕过推理瓶颈
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，无需测试时 CoT 推理 token。
Hugging Face Blog精选AI 评分6060 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 9 项基准中 7 项超过其全精度版本
Multiverse Computing 提出 Quantization-Aware Healing（QAH），把 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，在 9 项基准中有 7 项超过该 60B 模型的 bfloat16 版本。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的修复配方，并附 9 项基准对比，可据此判断 4-bit 部署的精度取舍。
Microsoft ResearchAI 评分4040 MindTopo：微软研究院推出评估 VLM 拓扑空间推理能力的新基准
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、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，当前模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，模型在场景变化中会丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧关系可见时偶有帮助，跨序列仍不可靠。
Google ResearchAI 评分4848 Google Research 提出知识画像框架：前沿 LLM 的事实错误多源于召回失败而非编码失败
Google Research 提出知识画像（knowledge profiling）框架，并发布含 2,150 条 Wikipedia 事实的 WikiProfile 基准，用于区分 LLM 的编码失败与召回失败。
Microsoft ResearchAI 评分3636 Microsoft Research 推出 CARE-X：面向临床放射学的 VLM，结合辅助监督、奖励对齐学习与工具增强测量
Microsoft Research 发布研究模型 CARE-X，一个统一胸部 X 光视觉语言模型，可同时完成报告生成、结构化预测与病灶定位，并用强化学习 DAPO 在多任务中奖励临床正确性。
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，通过结构化的 CUDA 到 MLX 翻译层，把已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断 CUDA 经验能否复用到 Apple Silicon。
Berkeley AI ResearchAI 评分3333 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要以自然语言"信念状态"形式隔离并监督，替代完整交互历史作为智能体工作上下文。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 长度也显著低于全上下文设置。
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 发布新架构，将多 token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上，在不改动主干权重的前提下加速端侧推理，已上线 Pixel 9 和 10 系列。
推荐理由：Google 把多 token 预测接到冻结的 Gemini Nano v3 上，读者可了解端侧推理在内存与能耗约束下的具体优化路径。
Google ResearchAI 评分3939 Google Research 研究：推理如何解锁 LLM 的参数化知识召回
Google Research 在 COLM 2026 发表的论文揭示，推理能让 LLM 召回原本几乎无法获取的参数化知识，且这一效果并非来自复杂问题的分解。
Berkeley AI ResearchAI 评分3434 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）的并行结构与分解策略由外部预设，而非模型自主决定。
Hugging Face Blog精选AI 评分6262 Granite 4.1 LLM 是如何构建的：IBM 公开预训练、SFT 与强化学习全流程
IBM Granite 团队发布技术文章，详解 Granite 4.1 系列（3B、8B、30B 稠密 decoder-only 模型）的构建流程：约 15T token 五阶段预训练、上下文扩展至 512K、约 4.1M 高质量样本的 SFT，以及基于 on-policy GRPO 与 DAPO loss 的多阶段强化学习。
推荐理由：Granite 团队公开了从数据配比到多阶段 RL 的完整训练细节，可对照其 8B 稠密模型追平 32B MoE 的取舍。
Google Research精选AI 评分6060 Google Research 发布 ReasoningBank：让智能体从经验中学习
Google Research 在 ICLR 论文中提出智能体记忆框架 ReasoningBank，从成功和失败经验中提炼高层推理模式，用于测试时自我进化。
推荐理由：Google Research 的 ICLR 论文提出从成功与失败经验中提炼推理记忆的框架，并给出 WebArena 与 SWE-Bench-Verified 上的对比数据。
Berkeley AI ResearchAI 评分3434 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度避免高维视觉模型中的脆弱"状态-输入"梯度，使基于学习动力学（世界模型）的长时程规划变得可行。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 和 Amir Bar 合作完成。
Google ResearchAI 评分4040 Google Research 提出 Simula：从第一性原理设计合成数据集
Google Research 提出推理优先的合成数据生成框架 Simula，将数据集生成重构为机制设计问题，通过全局多样化、局部多样化、复杂化和双评审质量检查四个步骤，独立控制覆盖度、复杂度与质量。
Google Research精选AI 评分6666 Google Quantum AI 发布白皮书：披露量子计算机破解加密货币加密的新资源估算
Google Quantum AI 发布白皮书，称未来量子计算机破解保护加密货币的椭圆曲线加密所需的 qubit 和门数比此前认为的更少。
推荐理由：Google Quantum AI 给出破解 ECDLP-256 所需量子资源的新估算，并说明如何在不泄露攻击细节的前提下公开漏洞。
Google Research精选AI 评分6262 Google 发布 TurboQuant 等向量量化算法，将 KV cache 压缩至 3 bit
Google Research 提出 TurboQuant 压缩算法，并配套 QJL 和 PolarQuant 两种方法，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 发表。
推荐理由：Google 提出 TurboQuant 等三种向量量化算法，可在不损失精度的前提下把 KV cache 压到 3 bit，并给出与基线的对比数据。
Google ResearchAI 评分4040 Google 用高温超导研究问题测试 LLM 世界模型
Google 与康奈尔大学合作，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位专家按 6 项指标盲评打分。基于 1,726 篇受控文献的 NotebookLM 在多数维度表现最佳，自建 RAG 系统紧随其后，所有系统均有待改进之处。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可在规模化下识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中识别 LLM 的关键交互。SPEX 利用交互的稀疏性与低阶性，将搜索问题转化为稀疏恢复问题；ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Google ResearchAI 评分3838 Google 研究：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 模仿贝叶斯助手在航班推荐任务中的预测，从而学会按贝叶斯方式更新对用户偏好的概率估计。实验显示，该方法不仅提升训练任务表现，还能泛化到其他任务；而未经训练的 LLM 表现明显逊于最优贝叶斯助手，且往往在单轮交互后性能就停滞。
OpenAI NewsAI 评分3737 OpenAI 公布 First Proof 数学挑战赛的 AI 证明提交
OpenAI 公开了其 AI 模型在 First Proof 数学挑战赛中的证明尝试，用于测试模型在专家级问题上的研究级推理能力。
OpenAI News精选AI 评分6262 GPT-5.2 在理论物理中推导出新结果
OpenAI 发布的一篇新预印本显示，GPT-5.2 为胶子振幅提出了一个新公式，随后由 OpenAI 与学术合作者完成形式化证明与验证。
推荐理由：材料给出 GPT-5.2 在理论物理中提出新公式并被形式化证明的案例，可观察模型在科研推理上的边界。
Google DeepMind精选AI 评分7171 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 及跨学科研究案例。
推荐理由：DeepMind 公开了 Gemini Deep Think 在数学与理论计算机科学研究中的两篇论文，读者可了解其智能体工作流与分级评估方式。
Google ResearchAI 评分3030 Google Research 提出 Sequential Attention：让 AI 模型更轻更快且不牺牲准确率
Google Research 提出 Sequential Attention，用贪心选择机制逐步、自适应地挑选要加入模型的层、模块或特征，并将选择过程直接整合进单次模型训练，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，实现快速单遍贪心选择，同时提升效率与可解释性，可扩展至大规模特征选择。
Google ResearchAI 评分3434 Google 研究：用小模型分解式方法实现更优用户意图提取
Google Research 在 EMNLP 2025 发表的论文提出一种分解式方法，让小型多模态 LLM 在设备端理解用户意图：先逐屏总结每次交互，再从摘要序列中提取意图。该方法在移动端和网页轨迹上均优于 CoT 提示和端到端微调，Gemini 1.5 Flash 8B 的效果可媲美 Gemini 1.5 Pro，成本与速度却大幅占优。
Hugging Face Blog精选AI 评分6262 微软发布 Differential Transformer V2：差分注意力去掉自定义 kernel 与 RMSNorm
微软 unilm 团队发布 Differential Transformer V2（DIFF V2），在保持 KV 头数量不变的前提下把 query 头数翻倍，使解码速度与标准 Transformer 持平，且不再需要自定义注意力 kernel。
推荐理由：微软团队给出 DIFF V2 的代码与消融对比，读者可据此理解差分注意力在解码速度与训练稳定性上的取舍。
Google Research精选AI 评分6262 Google 为 STOC 2026 推出 Gemini 驱动的 Paper Assistant Tool
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 小时内为作者提供自动化预审反馈。
推荐理由：Google 官方披露 PAT 在 STOC 2026 的实测反馈数据，可了解 AI 辅助数学证明审阅的实际表现与局限。
Google Research精选AI 评分6262 Google 发布 Titans 与 MIRAS：让 AI 拥有长期记忆
Google Research 发布 Titans 架构与 MIRAS 理论框架，将 RNN 的速度与 Transformer 的精度结合，通过深度神经网络作为长期记忆模块实现测试时记忆。
推荐理由：Google 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。
Hugging Face BlogAI 评分3939 DeepMath：基于 smolagents 的轻量级数学推理 Agent
Intel AI Software Group 推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调的数学推理 Agent，通过 smolagents 生成 Python 片段并在沙箱中执行，将结果折回推理过程。
Google ResearchAI 评分2020 Google Research 如何用简单线性回归模型预测 EV 充电桩可用性
Google Research 提出一种轻量线性回归模型，预测未来若干分钟后 EV 充电端口可用的概率，以缓解续航焦虑。该模型以一天中各小时为特征、学习各时段占用变化权重，在 30 至 60 分钟预测区间上优于"保持当前状态"基线，主要靠识别高占用周转时刻取胜。评估覆盖 CA 和德国两地 100 个随机站点、每日采样 48 次、持续一周。
OpenAI NewsAI 评分4242 OpenAI 展示 GPT-5 加速科学研究的早期实验
OpenAI 公布首批研究案例，展示 GPT-5 在数学、物理、生物学和计算机科学领域加速科学进展。这些实验呈现 AI 与研究人员如何协作生成证明、发现新见解，并改变科学发现的速度。
Hugging Face BlogAI 评分5252 ServiceNow 发布 Apriel-H1：蒸馏出 2.1 倍吞吐的高效推理模型
ServiceNow 的 SLAM Lab 将 15B 推理模型改造成 Mamba 混合架构，旗舰 Apriel-H1-15b-Thinker-SFT 在吞吐提升 2.1 倍的同时推理质量基本持平，MATH500 从 0.90 升至 0.92、MTBench 从 8.30 升至 8.58，GSM8k、GPQA、AIME24 略有下降。
Google Research精选AI 评分6262 Google Quantum AI 提出量子优化工具包 DQI
Google Quantum AI 与 Stanford、MIT、Caltech 合作在 Nature 发表论文，提出量子算法 Decoded Quantum Interferometry（DQI），利用量子干涉把优化问题转化为解码问题求解。
推荐理由：Google Quantum AI 提出把优化问题转成解码问题的量子算法，并给出相对经典算法的运算量对比。
Hugging Face BlogAI 评分2222 Google Cloud C4 搭配 Intel 与 Hugging Face，让 GPT OSS 的 TCO 提升 70%
Intel 与 Hugging Face 联合测试显示，在搭载 Intel Xeon 6 处理器（Granite Rapids）的 Google Cloud C4 虚拟机上运行 OpenAI GPT OSS 大模型，总拥有成本（TCO）较上一代 C3 实例提升 1.7 倍，即 70%。