#推理

Rohan Paul@rohanpaul_ai· 03:42AI 评分5050

Meta 与 NYU 的论文提出 h1——一个只给模型快速 Lean 反馈和搜索工具、每次检查失败后继续工作的简单循环，不预设计划，仅在每轮前生成进度摘要。同一模型下，h1 在 PutnamBench 上以 598 比 597 击败手工构建的 Goedel-Architect，每题成本 $1.08 对 $1.47。

Rohan Paul@rohanpaul_ai· 21:20AI 评分5656

Rohan Paul 转发陶哲轩的视频观点：数学家对 AI 做数学的不满与证明是否正确无关。陶哲轩称围绕 Navier-Stokes 的活动目前陷入混乱，最终会恢复并理解该证明，但这种做法非常不理想。他把这种模式称为对问题的不负责任的自动化式露天开采，即达成眼前目标却损害领域的未来发展。完整视频在 New Scientist YouTube 频道。

商汤开源 SenseNova Loop-9B-Preview：9B 参数媲美 27B 模型

商汤科技开源日日新 SenseNova Loop-9B-Preview，采用 Looped Transformer 架构，通过循环计算扩展有效计算深度，在仅 9B 参数下宣称媲美 27B 参数模型。

Hao AI Lab@haoailab· 02:55AI 评分4242

UCSD Hao AI Lab 推出 JetSpec++，用因果并行草稿、隐状态预测器和锚点 token 解码器，在当前块验证前先草拟下一块，把草稿与验证流水线化，几乎隐藏全部草稿开销。

SenseTime@SenseTime_AI· 21:00AI 评分5151

商汤发布并开源 SenseNova Loop-9B-Preview，采用 9B 参数共享循环的 Looped Transformer 加 mHC（Manifold-Constrained Hyper-Connections）改进信息流与推理。

开发者基于 Qwen3.5-4B 发布 Qwenputer，在模型内实现 RISC-V CPU 执行精确计算

开发者 Divyansh Agrawal 于 10 月 22 日发布基于阿里 Qwen3.5-4B 的实验性模型 Qwenputer，将 RISC-V RV32IM 指令集编译进模型权重，用门控 DeltaNet 内部状态充当 RAM，无需调用外部工具即可执行程序和精确计算。

Artificial Analysis@ArtificialAnlys· 10:10AI 评分5353

Artificial Analysis 推出 HLE-Diamond 榜单，对 CAIS 和 Scale AI 清理精炼后的 1000 题 Humanity's Last Exam 版本做独立评测，纳入 Artificial Analysis Intelligence Index v5。

Cognition@cognition· 09:52AI 评分4545

我们在 FrontierCode 2.0 上评估了 Gemini 4 Carbon 和 Gemini 4 Argon，这是我们的编程基准，衡量模型超越规格要求的能力。 Gemini 4 Carbon 得分接近 SOTA，为 40%，每任务成本 $4.04，落后于 Claude Opus 5.5、GPT-6 Astra 和 Claude Sonnet 5.5。 Gemini 4 Argon 得分 26.3%，每任务成本 $6.41，领先于 Muse Wonder 1.0，但落后于 Claude Haiku 5.5 和 Grok 4.7。 查看完整得分排行榜：cognition.com/frontiercode

Baseten 发布 2B 决策模型 joey-1，定价 $0.01 per 1M tokens

Baseten 旗下 Base Labs 发布 2B 决策模型 joey-1，由 Qwen3.5-2B 后训练而来，返回标签和校准概率而非生成文本，面向高流量路由、分类和 guardrail 检查。

Baseten 发布 3B 以下决策模型 joey-1，2,000-token 请求 P50 延迟 20 ms

Baseten Base Labs 发布决策模型 joey-1，直接以单 token 和校准概率返回决策结果，称内部测试中为 3B 及以下参数最强决策模型。2,000-token 请求 P50 端到端延迟 20 ms，约比 elephant-1（49 ms）快 2.5 倍，价格为每百万 token $0.01、是 mammoth-1 的十分之一。

vLLM 发布 Mistral Large 4 Day 0 支持

vLLM 团队宣布对 Mistral 新旗舰模型 Mistral Large 4 提供 Day 0 支持，该模型为 1T 参数、每 token 激活 49B 的原生多模态 MoE 模型，采用 MLA 稀疏注意力加 DSA top-k 索引器、跨层 KV 共享、NoPE、SSMax 和 LeRoPE 等新架构，并内置 DSpark 推测解码草稿器与 Pixtral 视觉编码器。

Hugging Face 发布 AnySpeechRecognizer 与 AnyDecisionModel 两个 Swift 开源包

Hugging Face 社区博客发布 AnySpeechRecognizer 0.1.0 和 AnyDecisionModel 0.6.0 两个 Swift 包，让开发者在 Apple 平台上以统一 API 选择语音识别和决策引擎。

Rohan Paul@rohanpaul_ai· 13:34AI 评分4242

UC Santa Barbara 新论文提出 TTME，用固定权重加演化记忆替代测试时训练来做 LLM 数学发现，在 5 个数学任务、2 个框架、3 个模型上每次都优于已报告的测试时训练分数。

OpenBMB@OpenBMB· 10:30AI 评分4040

ForgeKernel 已登顶 NVIDIA SOL Bench 的 FIB 赛道以及华为 CANNBench。目前，ForgeKernel 的目标是在 DeepSeek 最复杂的算子之一上超越顶尖人类专家。 x.com/i/broadcasts/2LPbqbgpZX…

Rohan Paul@rohanpaul_ai· 06:53AI 评分4848

黄仁勋指出，推理收入等于服务的 token 数乘以单价，在需求超过产能时，用软件或 kernel 优化把模型速度提升一倍，就能在同样的 GPU、功耗和机房下让收入翻倍、无需新增资本开支。这一逻辑成立的前提是每个新增 token 都能按现价卖出。

Elorian 发布 DecoyCount 基准，前沿模型视觉计数得分低于 50%

Latent Space 采访 Elorian CEO Andrew Dai，介绍其与 Mercor 联合发布的 DecoyCount 基准，测试模型是真正数数还是依赖视觉捷径。

Google DeepMind 发布 Gemini 4 Carbon，登顶 Artificial Analysis Intelligence Index

Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis Intelligence Index v5.0，前代 Argon 为 50 分。

同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon 前沿模型》

Artificial Analysis@ArtificialAnlys· 01:39AI 评分7171

Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登上 Intelligence Index v5 第一。

OpenBMB@OpenBMB· 22:37AI 评分5353

OpenBMB 发布 Lookahead Expert Scheduling（LES）推理系统，用于在端侧运行 MiniCPM-V 4.7 的 35B-A3B MoE 模型。

Polymathic AI 与普林斯顿等机构发布 FlashMap，以 flow map 起草器实现最高 6.14x 无损解码加速

Polymathic AI、普林斯顿大学、USC ISI、NYU 与 Flatiron Institute 的研究者发布 FlashMap，一种投机解码起草器，用连续 flow map 替代离散扩散起草器，1 次 forward pass 联合起草 16 个 token 的完整块，输出与目标模型严格一致。

Artificial Analysis 发布 Intelligence Index v5 评测基准

Artificial Analysis 发布 Intelligence Index v5，引入 FrontierCode 2.0 和 Terminal-Bench-Science 两个新基准，并升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的指数基于私有测试集或保留答案。

Artificial Analysis@ArtificialAnlys· 10:14AI 评分5555

Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 和 Terminal-Bench-Science 两项基准，升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的指数基于私有测试集。

Rohan Paul@rohanpaul_ai· 23:31AI 评分7474

Axiom 宣布完成有限单群分类定理的 Lean 自动形式化，这是数学史上最长的证明，原证明约 15000 页、500 多篇论文、约 100 位作者。约 4000 万行代码由成群的 AI 智能体在 24 天内写出，数学家负责引导。Axiom 称今年初 AxiomProver 写出正确的 10000 行 Lean 证明还需数周，此次进步归因于同时重建模型、harness 和基础设施三层。

NVIDIA 实测三种优化将 Ling-3.0-flash 在 DGX Spark 上的解码吞吐提升 42.5%

NVIDIA 技术博客介绍在 DGX Spark 上加速 Ling-3.0-flash 推理的三种优化：Humming MXFP4 MoE 内核、LM head 在线 FP8 量化、以及用 NEXTN 做 MTP 投机解码。

前 DeepMind 研究员 Thore Graepel 创办 Metis Reasoning，欲借 AlphaGo 思路解决模型幻觉

前 DeepMind 研究员 Thore Graepel 在 Nvidia GTC 柏林大会上介绍其新公司 Metis Reasoning 的方法，把 AlphaGo 的搜索思路搬到通用推理，用显式知识账本记录已知内容、置信度和未解问题，由独立模块对照计算、形式证明或经验证据检验每个结论。

蚂蚁 inclusionAI 发布 Ling-3.1-flash-1019：560B 总参数 MoE，1M 上下文

蚂蚁 inclusionAI 发布 Ling-3.1-flash-1019，为 Ling-3.1-flash 的升级版，总参数 560B、每 token 激活 25B、上下文窗口 1M token。

OpenAI 宣布 AI 模型取得三项科学突破，涉及局部光滑猜想、指数时间假设与杨–米尔斯理论

OpenAI 于 10 月 27 日宣布其 AI 模型在数学、计算机科学和物理学领域取得三项研究突破。数学上给出了所有维度下局部光滑猜想的证明，从而解决挂谷猜想与斯坦因限制猜想；计算机科学上给出推翻指数时间假设（ETH）的证明，暗示相关计算任务可能有更快算法；物理学上提出量子色动力学及标准模型一种统一完备化的严格存在性证明，涉及杨–米尔斯千禧年难题的一部分。

Rohan Paul@rohanpaul_ai· 07:31AI 评分7373

Rohan Paul 转述 OpenAI 宣称其 AI 完成三项跨领域数学证明。最重要的结果是指为期约 25 年的 Exponential Time Hypothesis 被其 AI 证明为假，而数百篇论文建立在该假说之上。

OpenAI 宣布模型产出三项数学成果并与学界协作发布

OpenAI 宣布其模型在调和分析、复杂度理论和量子场论方面取得三项成果，包括证明各维度的 local smoothing 猜想（进而解决 Kakeya 猜想与 Stein 限制猜想）、在 Lean 中验证 ETH 为假、以及给出 QCD 与纯 Yang–Mills 理论的严格存在性证明。

LG AI Research 在 ICML 2026 提出 LOAM：用 LLM 设计强化学习的观测与动作空间

LG AI Research 在 ICML 2026 提出 LOAM，让 LLM 直接设计强化学习中的观测模型与动作模型，而非只设计奖励函数。该方法区分原始环境空间与智能体实际使用的空间，由 LLM 根据任务目标、终止条件、机器人结构及各变量含义生成观测与动作设计。研究源于 LG Chem 大山 NCC 工厂生产排程优化项目，团队发现观测与动作空间设计比奖励函数更困难。

小红书 AllSpark 提出增强上下文学习能力的数据管线，35B 模型追平万亿参数前沿模型

小红书 AllSpark 团队提出一套不依赖人工标注的合成数据训练流程，用 GLM-5.2 对 3515 篇公开文档做深度改写以切断参数记忆，最终生成 9625 条训练样本。

Saito@SaitoWu· 17:36AI 评分7070

Saito 归纳 YC Paper Club 播客中四位推理从业者的讨论：DeepSeek 训练 V3 用了280万个 H800 卡时，推理每天烧4.3万个卡时，按两年模型寿命摊是训练的12倍，decode 阶段 MFU 仅5%，瓶颈在显存带宽而非算力。

字节 Seed 提出 Recycler：通过隐藏状态回收实现无额外成本的潜在推理

字节 Seed 提出 Recycler 架构，把上一 token 的顶层隐藏状态经轻量适配器与当前 token 嵌入一起送入下一步，在解码开销几乎不变的情况下保留跨步连续语义。该架构覆盖预训练、SFT、继续预训练与 RL 全流程，在数学和推理任务上参数效率突出，后期引入仍可超越参数量多 2–3 倍的模型。

斯坦福与 UC Berkeley 推出 TokenGate：token 门控注意力让长上下文 prefill 最快提升 11.3 倍

斯坦福和 UC Berkeley 研究者发布 TokenGate，一种给现有 LLM 加上可学习 token 剪枝的模块，在 Qwen3-1.7B 上实现 1.4x 至 11.3x 的 TTFT 加速，峰值 prefill 显存降低 1.5x 至 3.4x 且无精度损失。

vLLM 在 GB300 NVL72 上规模化服务 DeepSeek-V4.1-Flash，解码吞吐与 DeepInfer 差距在 6% 以内

vLLM 用 P/D 分离与 Wide-EP 在单台 NVIDIA GB300 NVL72 上服务 DeepSeek-V4.1-Flash，在 SemiAnalysis AgentX 上达到每 GPU 954K tokens/s、单用户 P90 196 tokens/s，为早期单节点结果的 7.9 倍。

miniTE 技术报告：用原生 NVFP4 实现稳定高效的强化学习

针对原生 NVFP4 强化学习在训练后期出现的不稳定问题，LMSYS 提出算法 TRIAGE 与工程方案 miniTE。在 8×B300 上，采用 BF16 反向传播的 miniTE 完整学习器更新速度约为 BF16 的 1.33–1.37 倍，单独的固定输出服务测试吞吐约为 BF16 的 1.64 倍。

Sebastian Raschka 发布从零构建推理模型的 8 集视频课程

Sebastian Raschka 发布 8 集共 11 小时的从零构建推理模型视频课程，基于预训练 Qwen3 0.6B 用 Python 和 PyTorch 实现推理方法。

月之暗面发布 Kimi K3.1 Pro，3 万亿级参数支持 100 万上下文

月之暗面正式推出 Kimi K3.1 Pro，为 K3.1 系列首个模型，3 万亿级参数、支持 100 万上下文，并同步推出输出速度约 2~3 倍的 Kimi K3.1 Pro Highspeed。

同一件事，精选收录的是《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》

Rohan Paul@rohanpaul_ai· 17:37AI 评分5050

芝加哥大学新论文发现，LLM 对自己决策关键因素的自我说明与实际影响其答案的变量并不一致，模型无法预测自身答案分歧所在的关键问题。研究让模型多次预测 59 场 March Madness 比赛和 15 个 Metaculus 事件，再用 reranker 比对预测对以找出争议事实，成本约为本地 LLM 评判的 1/86。

Artificial Analysis@ArtificialAnlys· 07:47AI 评分6969

Artificial Analysis 将 Meta 新发布的开源权重模型 Muse Spark Open（816B，激活 42B）的测试结果上线 AA-AgentPerf。