美团智播：数字人直播技术创新与实践
美团智播是面向本地生活场景的AI数字人直播解决方案，支持真人1:1复刻与门店实景定制，30秒生成直播素材、3分钟完成开播配置，7×24小时稳定上播。过去一年其月日均GTV同比增长82.12%，月日均观看人次同比增长163.44%，开播场次提升11倍。
#推理
美团技术团队AI 评分3838 美团技术团队AI 评分3434 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%。
机器之心AI 评分5454 AlphaGo 核心作者 Thore Graepel：LLM 还没学会第 37 手那样的推理
AlphaGo 核心作者之一 Thore Graepel 在 MIT Technology Review 发文称 LLM 不会推理，并已离开 Google DeepMind 创业做可审计的机器推理。
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。
新智元AI 评分6262 GPT-6 Astra与Claude Opus 5.5破译433年前教皇密信
GPT-6 Astra与Claude Opus 5.5几乎同时破译了1593年天主教联盟的两封绝密信件，其中GPT-6 Astra破译完整度达100%，仅一个字符存疑。
量子位AI 评分6262 Jev 估值 100 亿美元，创始人 Diogo Almeida 访谈回应一切
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示，Jev 日处理量已突破一万亿 token，夜间流量持续走高，说明大量调用来自机器自动化。
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。
机器之心AI 评分7171 StartLux 开源决策模型 StartLux-Decision 发布，Decision Index 得分超过 Jev
9 月 30 日，上海 AI 公司 StartLux（原点星辉）发布完全开源的决策模型 StartLux-Decision，推出 0.8B、2B、4B、9B 和 27B 五档版本并提供本地部署量化模型。
OpenAI NewsAI 评分3838 GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备相应工作流。
MIT Technology Review · AIAI 评分6060 AlphaGo 团队成员 Thore Graepel：大模型并不真正推理
前 Google DeepMind 核心成员、AlphaGo 团队成员 Thore Graepel 撰文指出，大语言模型逐 token 预测本质是系统 1 式的直觉，链式思维仍由同一预测过程生成，因此不构成真正的推理。
量子位AI 评分6666 openJiuwen 开源 X-Router 自演进模型路由，实测 Token 成本降 50% 以上
openJiuwen 开源智能路由框架 model-router，并首发 x-router 自演进路由算法，在 Agent 与模型之间增加一层按请求动态选模的决策能力。
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。
机器之心AI 评分2222 将经验存到权重更能帮助 LLM 获得长期记忆吗？清华唐杰团队系统梳理模型内部记忆机制
清华唐杰团队在「Memory For LLM」工作中，从信息保存形式、更新方式、持续时长三个维度系统梳理了 LLM 模型层面的记忆机制。此前 TTT Layers、Titans、MemoryLLM 分别尝试用快速权重、可更新神经记忆模块和固定大小记忆池将历史信息写入模型内部，但信息写入权重后仍可能被新任务覆盖。
Latent SpaceAI 评分3434 Latent Space 对话 MIT 的 Alex Zhang：从 GPU kernel 到递归语言模型 RLM
MIT 研究者 Alex Zhang 在 Latent Space 播客中讲述其从 GPU kernel、KernelBench 到递归语言模型（RLM）的研究路径，并称基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
NVIDIA Blog精选AI 评分6666 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出 Astra Ultrafast 在 Blackwell 上的加速幅度与开放入口，读者可据此判断它对编码智能体循环的实际影响。
AWS Machine Learning BlogAI 评分3333 Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）做获客漏斗个性化，七周线上 A/B 测试中，一个人群最终漏斗转化率取得高个位数相对提升，另一人群则未见改善。
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。
Latent Space精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的能力与成本差异。
智东西AI 评分6262 华为发布 Mate90 系列旗舰手机，首发鸿蒙7与麒麟9050 Pro逻辑折叠芯片
华为发布 Mate90 系列旗舰手机，全系搭载旗舰韬芯片，首发第二代玲珑屏、第三代红枫原色影像和鸿蒙7系统，整机性能相比 Mate80 系列提升 20% 至 31%。
智东西精选AI 评分8282 谷歌发布 Gemini 4 Argon，输出上限提至 100 万 Token
谷歌发布新一代旗舰模型 Gemini 4 Argon，面向软件工程、法律金融等企业知识工作与网络安全防御，输出 Token 上限从此前 6.4 万提升至 100 万。
推荐理由：谷歌发布 Gemini 4 Argon，披露了输出上限、基准成绩和 API 定价，可据此判断其企业级 Agent 任务的定位与成本。
爱范儿AI 评分7272 Gemini 4 Argon 正式发布，写作与知识能力领先编程
Google 发布 Gemini 4 Argon，官方称其在 18 项测试中 13 项领先，知识与长文本能力明显强于编程和 Agent 能力。
Ars Technica · AIAI 评分6767 Google 发布 Gemini 4 Argon 模型，暂未对外开放
Google 发布 Gemini 4 Argon，宣称在编码、知识工作和网络安全方面具备行业领先性能，但目前仅限公司内部工程师广泛使用，尚未对外开放。在软件工程基准 DeepSWE v1.1 上，Gemini 4 Argon 得分 77.9%，高于 GPT-6 Astra、Fable 5.1 和 Opus 5.5。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。
智东西AI 评分6262 浪潮信息与Inferact同时出手，2.8万亿参数Kimi K3推理效率战打响
针对2.8万亿参数、104B激活参数的Kimi K3推理难题，海内外团队几乎同时给出系统级优化方案。9月21日浪潮信息在AICC 2026发布元脑SD200 Ultra超节点AI服务器，紧耦合128芯本土AI芯片，单机承载K3，Token生成时延首破5.85毫秒，并将大量基础算子融合为超级算子，算子数量降低10倍、推理性能提升3倍以上。
Hugging Face BlogAI 评分4141 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速视觉语言推理
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。
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。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：两款语音对话模型分别面向规模化与高复杂度任务，并给出语音智能体基准成绩与开发者接入渠道。
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。
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。
Berkeley AI ResearchAI 评分1717 2026 届 BAIR 博士毕业生展示：从机器人到 LLM 推理的研究全景
伯克利人工智能研究实验室（BAIR）公布 2026 届博士毕业生名单，其研究覆盖机器人、具身智能、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for Science 等方向。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构，以及 UCLA、普林斯顿 CITP 和芝加哥大学等学术岗位，部分人仍在探索下一步。
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。
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。
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。