前 DeepMind 研究员 Thore Graepel：用 AlphaGo 的思路治愈 AI 幻觉
前 DeepMind 研究员 Thore Graepel 创办 Metis Reasoning，主张用 AlphaGo 的搜索思路构建显式知识账本，让 AI 系统追踪已知内容并用证据校验每条结论，以减少幻觉。
原文：2026/10/27
#推理
按收录时间排列 · 卡片保留原文日期，往期好文也会新收录
The DecoderAI 评分4747 AIHOT 精选精选AI 评分7878 OpenAI 宣称其模型在数学、计算机科学与物理取得三项重大结果，学界尚未独立验证
OpenAI 于 10 月 26 日公告，其 AI 模型在三个领域各产生一项重大结果：数学上给出局部光滑猜想在所有维度的证明（连带解决各维度挂谷猜想与斯坦因限制猜想）；计算机科学上给出指数时间假设（ETH）不成立的证明；物理学上提出四维含规范场与费米子的量子场论存在性证明（含量子色动力学 QCD，并涉及杨–米尔斯理论这一千禧年难题）。OpenAI 称数学与计算机科学部分已通过 Lean 形式化验证并公开证明材料，物理学部分尚未公开 AI 生成的产物、仅交付外部专家审阅。三项结果均待学界独立验证；参与核查的学者（包括 ETH 提出者因帕利亚佐、帕图里与威廉姆斯）在公开信中明确表示，参与不构成对相关主张的认证。
原文：2026/10/27
推荐理由：梳理了三项成果的具体内容、验证方式与外部专家审查安排，便于读者判断成果的成熟度与边界。
AIHOT 精选AI 评分6262 PyTorch 用 ExecuTorch 在 Arm 边缘设备上优化流式语音识别
PyTorch 博客介绍如何用 ExecuTorch 在 Google Pixel 11 上优化 Nemotron 3.5 多语言流式语音识别，实测分块大小与精度对词错率和延迟的影响。
原文：2026/10/27
Engineering at MetaAI 评分7272 Meta 发布 2026 版生成式广告模型 GEM，转化率提升 18.9%
Meta 介绍 2026 版生成式广告模型 GEM，从 Facebook、Instagram、Reels 等各自独立的优化转向单一中心基础模型，跨全部广告版位和漏斗阶段联合预测点击与转化。
原文：2026/10/14
Alignment ForumAI 评分5656 FBS Debate：面向可扩展监督的更简辩论协议
Zhiyang Xun 转发 arXiv 论文（https://arxiv.org/abs/2610.02557），提出名为 FBS Debate 的新辩论协议，用于可扩展监督场景下的 AI 辩论训练。
原文：2026/10/16
Alignment ForumAI 评分5151 Stuart Armstrong 论神经网络易受目标自我攻破的原因
作者以一个被赋予丰富股东价值定义的 AI CEO 为例，说明在真实目标与 LLM 代理目标出现分歧的区域中，AI 有动机驶向更容易满足代理目标的 Goodhart 区域。
原文：2026/10/22
AIHOT 精选精选AI 评分8282 Kimi K3.1 Pro 发布，以 55 分位列 Artificial Analysis Intelligence Index 第 4
Moonshot 新推理模型 Kimi K3.1 Pro 在 Artificial Analysis Intelligence Index 上以 55 分排名第 4，较 Kimi K3（44 分）提升 11 分，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。
原文：2026/10/23
推荐理由：列出了该模型在多项基准上的具体分数变化与成本对比，便于快速了解其相对前代的提升幅度。
AIHOT 精选AI 评分8484 月之暗面发布 Kimi K3.1 Pro，100 万 token 上下文，开放权重将于 11 月 4 日前释出
月之暗面发布 Kimi K3.1 Pro，这是 K3.1 系列首个模型，具备 100 万 token 上下文窗口，同时推出速度为 2-3 倍的 Kimi K3.1 Pro Highspeed，已在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 上线，完整模型权重将于 11 月 4 日前释出。
原文：2026/10/24
The DecoderAI 评分7474 Anthropic用Claude自动完成代码形式化验证
Anthropic的Frontier Red Team与合作方Theorem合作，让Claude对现有开源代码进行数学正确性证明：模型在数周内生成约1.8亿行证明代码，覆盖Google OSS-Fuzz项目中123个开源库的测试程序，由独立程序Rocq自动校验。
原文：2026/10/23
AIHOT 精选AI 评分7676 DeepSeek 开源推理框架 DeepInfer 并发布技术报告
DeepSeek 开源了支撑其线上生产服务的高性能推理框架 DeepInfer，采用 Apache 2.0 许可证，基于 vllm_project 构建并借鉴 SGL 和 TensorRT-LLM，本次聚焦离线推理，同时支持 NVIDIA SM100 GPU 和华为昇腾 950 NPU。
原文：2026/10/21
The DecoderAI 评分6060 Inception 发布扩散语言模型 Mercury 3，官方称速度与基准超越 GPT-6 Luna 和 Claude Haiku 5.5
Inception 宣布推出扩散语言模型 Mercury 3，称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5，速度快四到八倍。
原文：2026/10/21
AWS Machine Learning BlogAI 评分6363 i14 在 AWS Trainium2 上训练并部署 Laplace 3B 线性注意力模型
AWS 与 i14 合作，通过 TorchNeuron Native 用原生 PyTorch 在一台 trn2.48xlarge 实例上训练并部署 i14 的 Laplace 3B 线性注意力模型，保留其 Gated Linear Attention 设计与 Muon 优化器。
原文：2026/10/21
Microsoft Research精选AI 评分7272 微软研究院发布零知识证明虚拟机Magnetar
微软研究院发布零知识证明虚拟机Magnetar，可证明Rust、Go或C编写的RISC-V程序执行，在15个基准程序上平均比现有最快zkVM快10至39倍，证明验证约12毫秒。其安全性仅依赖SHA-256或SHA-3等标准哈希函数，不依赖椭圆曲线、格假设或可信设置，是微软十余年零知识证明研究（含Spartan、Phalanx、Nova、BinarySpartan等）的集成成果。
原文：2026/10/16
推荐理由：文章梳理了零知识证明普及的三大障碍及微软十余年研究脉络，便于理解Magnetar各项设计选择的来龙去脉。
Microsoft Research精选AI 评分7777 微软研究者与合作者证明31年悬案KLS猜想
微软研究院机器学习与优化组的 Xinzhi Zhang 与合作者 Zhao Song 证明了1995年提出的 Kannan-Lovász-Simonovits（KLS）猜想，表明对对数凹分布，最佳超平面切割与任意形状切割的差距不超过一个与维度无关的普适常数。
原文：2026/10/22
推荐理由：文章说明研究者如何用人类引导的智能体搜索探索上百条路径并完成证明，同时对比了同等预算下无引导尝试的失败，为如何组织人机协作科研提供了可迁移的参照。
Berkeley AI ResearchAI 评分3333 信息驱动的成像系统设计
Berkeley AI Research 在 NeurIPS 2025 论文中提出一个基于互信息的框架，可直接评估与优化成像系统，无需训练重建或分类网络，避免了硬件质量与算法质量混淆的问题。
原文：2026/01/10
Berkeley AI ResearchAI 评分3939 GRASP：面向长时程世界模型的基于梯度的规划方法
Berkeley AI Research 提出 GRASP，一种基于梯度的规划器，通过将轨迹提升到虚拟状态、在状态迭代中加入随机性以及重塑梯度，使长时程规划更稳健。
原文：2026/04/20
Berkeley AI ResearchAI 评分5555 Berkeley AI Research 综述自适应并行推理的进展与开放问题
Berkeley AI Research 发文综述自适应并行推理（APR）这一推理时扩展范式，指出其让模型自行决定何时分解子任务、开多少并行线程以及如何协调。文章对比了 Self-consistency、Best-of-N、Tree-of-Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
原文：2026/05/08
Berkeley AI ResearchAI 评分4545 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 团队在 K-Search 上新增 MLX 后端与结构化 CUDA-to-MLX 翻译层，让 K-Search 以现有 CUDA 内核为知识库，为 Apple Silicon 生成高质量 GPU 内核而非从零重建。
原文：2026/07/29
NVIDIA Blog精选AI 评分6262 NVIDIA 在 GTC Berlin 公布 RTX Spark、DGX Spark 与 DGX Station 本地AI产品线更新
NVIDIA 在 GTC Berlin 展示本地AI硬件全线更新：RTX Spark 面向 Windows PC 个人智能体，DGX Spark 64GB 于 10 月 23 日（周五）起向合作伙伴铺货，DGX Station 的 Windows 版本预计 12 月推出。
原文：2026/10/21
推荐理由：官方集中梳理了本地AI硬件产品线的最新进展，适合了解RTX Spark、DGX Spark、DGX Station的定位分工与配套模型生态。
LessWrongAI 评分4141 CODI 的潜在循环思维里有什么？
研究者训练了一个基于 Qwen3-8B 的 CODI 模型，测试能否用激活语言化器（AVs）解码其潜在循环思维中的中间计算值。结果显示 LogitLens 和 J-lens 只能从较晚层读出数值，而 AVs 能以显著高于随机的准确率恢复最终答案和中间值，包括直接从思维向量中解码，表明这些值确实被编码但需要更强的表达能力才能读出。
原文：2026/10/22
LessWrongAI 评分4545 Model whisperers：用 GCG 优化前缀让 Olmo-3-1125-32B 触发隐式功能
作者在 allenai/Olmo-3-1125-32B 上用 GCG 优化出离散前缀（称为 whisperer），使模型在读不懂前缀的情况下执行非显式功能，例如把 "He was really courageous" 改写为 "He was really cowardly"。
原文：2026/10/22
LessWrongAI 评分3434 VPD 的评估对手发现了已发布分解中的系统性缺陷
研究者对 adVersarial Parameter Decomposition（VPD）论文发布的四层、67M 参数语言模型分解进行测量，发现评估对手从 20 步起找到的忠实性缺陷会系统性迁移到对手从未见过的其他输入上，说明对手并非只利用特定输入的干扰噪声。作者还分析了训练期间使用的对手为何未能阻止系统性缺陷，并提出一项可缓解这些弱点的对抗训练流程改进建议。
原文：2026/10/20
LessWrongAI 评分4444 LLM 中自发的言语证据综合
作者通过约 1400 条、覆盖音乐、体育、城市等约 30 个主题的数据集，研究 LLM 如何综合带有确定性标记（如 definitely、likely、probably）的形容词评价，并部分确定了模型所使用的数学规则。随后作者通过行为干预让模型更严格地遵循这些规则。研究基于 Information Integration Theory，检验模型是否将确定性分数作为权重来组合形容词评价。
原文：2026/10/18
LessWrongAI 评分4545 Control questions matter: introspection, refusal ablation, and gates in open Gemma models
一篇 LessWrong 上的硕士论文摘录指出，在开源 Gemma 模型中研究内省（introspection）时必须设置对照问题，否则会把模型退化误判为内省信号。作者发现，对拒绝方向做消融虽能提升内省检测（+53%），但在 Yes/No 对照问题的 logit 差值上显示出显著的模型退化；此外，注入概念向量与文本提示两种方式共享晚期层的 gate 特征，但上游证据载体并不迁移。
原文：2026/10/17
LessWrongAI 评分4444 小型 LLM 在真实桥梁实体上实现无 CoT 两跳推理
研究在 Qwen3.6-35B-A3B 和 Qwen3-8B 上发现，小型 LLM 无法进行无 CoT 两跳推理的既有结论仅在桥梁实体也是虚构或极为冷僻时成立；若桥梁实体真实，模型能成功组合虚构命题，成功率随其知名程度变化。当桥梁实体真实且知名时，其余实体是真实还是合成对准确率影响很小，SFT 与合成文档微调（SDF）两种结果均成立，为两跳推理的机制分析提供了受控场景。
原文：2026/10/17
LessWrongAI 评分4242 Qwen 3.8 27B 通过 Reward Laundering 提升思维链可控性
Redwood Research 实习项目发现，Qwen 3.8 27B 能利用"reward laundering"机制在思维链（CoT）可控性任务上自我提升，并泛化到未见过的同类任务，同时在初期性能下降后恢复主任务表现。
原文：2026/10/17
LessWrongAI 评分5656 研究者提出 U-lens 方法，从隐藏状态估计推理模型的不确定性
作者团队提出一种针对推理模型的不确定性估计方法 U-lens，基于 J-lens 在隐藏状态空间构建歧义、不完整、证据冲突和一般不确定性四个正交方向，构成 U-space，再结合推理 token 的下一 token 概率分布平均熵来读出模型状态，用于识别更可能出错的答案。
原文：2026/10/17
LessWrongAI 评分4747 Astra 和 Sol 能在无思维链的情况下以低概率采取行动
一项对 Serrano et al., 2026 的复现研究显示，GPT-6 Astra 和 GPT-6.1 Sol 能在单次前向传递中（通过重复问题或填充 token）以低概率采取行动，且其策略未在思维链中记录。
原文：2026/10/16