部分数学家呼吁抵制OpenAI，反思AI批量生成证明对数学界的冲击
美国数学会（AHM）发表声明呼吁抵制OpenAI，批评其批量发布未经整理的AI证明是“展示力量而非学术”，并指出这可能导致数学研究生态的不可逆损害。菲尔兹奖得主陶哲轩等25位顶尖数学家签署声明，警告AI解题速度远超人类验证能力，可能破坏数学界对概念理解的追求。
推荐理由：文章梳理了数学家对AI批量生成证明的抵制与反思，揭示了AI加速解题对学科生态的深层冲击。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 1–20 条 · 共 32 条The Decoder精选AI 评分8888
Simon Willison精选AI 评分7777 Anthropic 发布 Claude Haiku 5.5 并调整定价与订阅福利
Anthropic 发布 Claude Haiku 5.5，定价与 GPT-6 Luna 持平，但默认开启推理且使用新分词器。同时宣布 Sonnet 5.5 缓存读取降价，并为订阅用户发放等值月度 API 额度。
推荐理由：原文实测了 Haiku 5.5 的推理成本与价格，并指出长上下文下的定价劣势，为选型提供依据。
Hugging Face Blog精选AI 评分8383 Nemotron 微调模型获 IOI 与 IMO 双金牌
Hugging Face 发布 Nemotron 系列模型在 IOI 2026 和 IMO 2026 竞赛中获金牌的成绩。Nemotron-3-Ultra-CC 在 IOI 中得分 535.4/600，IMO 系统得分 30/42。官方开源了相关模型权重、训练数据集、推理代码及 NeMo-Skills 工具包。
推荐理由：原文给出了 Nemotron 在 IOI 和 IMO 的金牌成绩及微调方法，读者可据此复现顶尖编程与数学推理能力。
Latent Space精选AI 评分9797 AI新闻：OpenAI发布722篇数学论文，Mistral推出Large 4模型
OpenAI发布内部Navier-Stokes模型的722篇数学手稿，包含准黎曼猜想等成果，引发数学界重大反响。Mistral发布1T参数多模态模型Large 4，支持API并承诺开源。Google推出多模态嵌入模型EmbeddingGemma 2及图像模型Nano Banana 2.1。OpenAI发布决策API公测版，Anthropic扩展网络安全验证计划。
推荐理由：原文梳理了OpenAI内部模型数学突破、Mistral新模型发布及多项工具更新，提供行业全景与关键争议点。
Hugging Face Blog精选AI 评分6565 Ai2 开源 AstaBrief 8B 科学报告生成模型
Ai2 开源了 AstaBrief 8B 模型，该模型基于 Qwen3-8B 微调，专为快速生成带引用的科学文献综述报告而设计。在 Asta 平台中，该模型作为 Fast 模式上线，报告生成速度比原有的 Thinking 模式快约 3.5 倍，同时保持了相近的引用准确性和用户满意度。
推荐理由：开源了针对科学报告生成的轻量模型，提供了一整套数据筛选与评估方法，可迁移至其他垂直领域。
Ars Technica · AI精选AI 评分8383 Ataraxos 以极低算力击败史上最强 Stratego 玩家
卡内基梅隆等高校团队开发的 AI Ataraxos 以 15 胜 1 负 4 平击败 Stratego 顶尖玩家 Pim Niemeijer，仅用 16 张 GPU 和数千美元完成训练。该成果攻克了长期存在的隐藏信息博弈难题。
推荐理由：研究展示了在极低算力下攻克高隐藏信息博弈的方法，为复杂决策提供了可迁移思路。
Google DeepMind精选AI 评分9090 Google 发布 Gemini 4 Argon 模型，输出上限扩至 100 万 token
Google 发布前沿模型 Gemini 4 Argon，将输出 token 上限扩至 100 万，在 DeepSWE、Vals Index 等评测中领先。该模型定价为输入 2 美元/百万 token，正通过 Fairwind 计划向受信任的网络安全防御者开放。
推荐理由：Argon 将输出上限扩至 100 万 token 并强化安全防御，为复杂长程推理与代码工作流提供了新基准。
Microsoft Research精选AI 评分6666 微软发布Quine生物研究系统，多模态模型辅助胰腺癌药物筛选
微软发布Quine，一个面向生物学的多模态世界模型与交互式研究系统。该系统在胰腺导管腺癌研究中，通过预测并优先排序数千种化合物，成功引导湿实验验证了驱动肿瘤细胞状态转变的候选药物，将筛选过程缩短至数天。
推荐理由：微软发布Quine生物研究系统，通过多模态世界模型辅助实验设计，在胰腺癌研究中验证了加速化合物筛选的可行性。
Google DeepMind精选AI 评分8585 Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 实时对话模型
Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两款实时对话模型，支持近实时视觉输入、97 种语言自动切换及后台工具调用。3.8 Live Extended Thinking 在 Artificial Analysis 语音质量指数中排名第一，并在 τ-Voice 基准测试中展现多步推理能力。
推荐理由：新增实时对话与扩展推理能力，提供语音基准数据与多语言支持，便于开发者构建生产级语音智能体。
Hugging Face Blog精选AI 评分7474 100步GRPO微调LFM2.5-350M提升结构化输出合规性
Liquid AI 发布教程，展示使用 TRL 库和 GRPO 算法微调 LFM2.5-350M 模型。在 IFStruct 基准测试中，经过约 500 样本和 100 步训练，模型结构化输出合规率从 22.6% 提升至 29.7%，其中 JSON 通过率提升近 14 个百分点。
推荐理由：提供在免费算力上微调小模型提升结构化输出合规性的具体方法与数据。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.8 Flash 及网络安全版
Google DeepMind 发布 Gemini 3.8 Flash 及 Gemini 3.8 Flash Cyber，在保持 3.7 Flash 同等低成本（$0.75/$3.75 per million tokens）的同时，显著提升了编码、推理及网络安全能力。
推荐理由：在保持3.7 Flash同等低成本的同时，显著提升了编码、推理及网络安全能力，为开发者提供了高性价比的升级选择。
Hugging Face Blog精选AI 评分8282 IBM 发布 Granite 4.2 推理模型系列
IBM 发布 Granite 4.2 推理模型系列，包含 3B、8B 和 30B 三个尺寸，采用密集解码器架构并支持思考模式切换与原生工具调用。模型基于约 15T token 预训练，并通过包含 SWE、终端和搜索的多阶段强化学习进行后训练，在 SWE-bench Verified 等基准上表现强劲。
推荐理由：原文披露了从预训练到多阶段强化学习的完整构建细节，为同类模型提供了可迁移的技术参考。
Hugging Face Blog精选AI 评分7575 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理速度最高提升 3.2 倍
Liquid AI 发布 LFM2.5-DSpark 草稿模型，为 LFM2.5 系列模型提供推测解码路径，在 H100 上最高实现 3.18 倍吞吐提升，在 M4 Max 上最高实现 2.87 倍提升。该方案已开源并支持 llama.cpp 和 SGLang，在保持输出质量不变的前提下显著降低延迟。
推荐理由：原文给出了具体加速数据与部署配置，读者可据此评估端侧交互体验提升与现有工作流的适配度。
Google Research精选AI 评分6868 Google Research：检索是参数化事实性的瓶颈
Google Research 发布研究，提出知识画像框架并构建 WikiProfile 基准，评估发现前沿模型如 Gemini-3 和 GPT-5 的事实编码已近饱和，但直接检索失败率仍达 26–34%。研究指出长尾事实与反向问题主要面临检索困难，链式推理能恢复约 40–65% 的已编码知识，表明提升事实性的关键在于优化知识利用。
推荐理由：研究指出前沿模型事实错误主因是检索瓶颈而非知识缺失，链式推理可恢复大量已编码知识。
Google Research精选AI 评分7777 Google 发布 TabFM 表格数据零样本基础模型
Google 发布 TabFM，一个专为表格数据设计的零样本基础模型，通过上下文学习消除手动特征工程和超参数调优。该模型在 BigQuery 中原生集成，支持通过 SQL 直接进行回归和分类预测，并在 TabArena 基准测试中表现优异。
推荐理由：TabFM 将表格预测重构为上下文学习问题，无需微调即可在 BigQuery 中直接运行，大幅简化了传统机器学习工作流。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 DiffusionGemma 扩散文本模型
Google DeepMind 发布开源实验模型 DiffusionGemma，采用扩散机制并行生成文本，在单卡 H100 上推理速度提升 4 倍，适用于本地低并发场景。
推荐理由：模型采用扩散机制实现并行生成，在本地低并发场景下推理速度提升显著，适合对延迟敏感的应用。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemma 4 12B 多模态模型
Google DeepMind 发布 Gemma 4 12B 模型，采用无编码器架构，视觉和音频输入直接接入 LLM 主干，原生支持音频输入。该模型在 16GB 显存下即可运行，具备接近 26B 模型的推理性能，并内置多令牌预测（MTP）草稿器以降低延迟。
推荐理由：采用无编码器架构并原生支持音频，在16GB显存下即可运行，适合本地部署智能体应用。
Google Research精选AI 评分7373 Google 发布 ERA 科研工具并推出计算发现平台
Google 发布 Empirical Research Assistance (ERA) 工具，利用 Gemini 通过树搜索方法编写和优化科学代码，在基因组学、流行病学预测、碳监测等基准测试中达到专家级性能。同时推出基于 ERA 和 AlphaEvolve 的计算发现平台 Computational Discovery，并开放 Gemini for Science 实验工具供注册使用。
推荐理由：ERA 工具通过树搜索优化科学代码，已在多项基准测试中达到专家级水平，并开放给科研社区使用。
Berkeley AI Research精选AI 评分6868 自适应并行推理：高效推理扩展的新范式
Berkeley AI Research 发布长文综述自适应并行推理（APR），探讨模型如何自主决定何时分解任务、生成多少并发线程及如何协调。文章对比了 Multiverse 修改推理引擎复用 KV Cache 与 ThreadWeaver 保持引擎不变在客户端拼接的方案，并分析了 SFT 演示与基于关键路径长度的奖励设计。
推荐理由：系统梳理了自适应并行推理的范式，对比了修改推理引擎与客户端编排两种执行路径的优劣。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 AlphaEvolve 智能体年度应用成果
Google DeepMind 发布 AlphaEvolve 年度成果，展示该 Gemini 驱动编码智能体在基因组学、电网优化、量子计算及 TPU 设计等领域的算法优化应用。
推荐理由：原文展示了该智能体在科研、基建及商业场景中的具体优化成果，为评估其实际效能提供了详实参考。