依意思最接近的 30 筆
蘋果與卡內基梅隆大學提出 SSR 框架，讓多模態搜尋 Agent 不再逐 token 生成自由形式推理，而是從 6 條預定義推理選項中做選擇題。在 7 個多模態搜尋 benchmark 上，每輪推理延遲降低超過 90%，每題總推理延遲降低 28–54%，p95 推理延遲僅 0.07 秒；4B 模型平均成功率 61.37%，與同規模 SOTA 持平，2B 達 51.26%。推理選擇由模型自身打分完成，不需要額外分類頭，也可跳過 SFT warm start 直接接 RL 訓練。
近期出現一批極窄用途的推理執行時，包括 Strata、ninfer、DwarfStar、Splash、llamAmpere、gufo 等。它們刻意放棄 llama.cpp 與 vLLM 擅長的通用性，只針對少數模型甚至單一硬體家族（如 Strix Halo）做最佳化。作者認為通用執行時負責相容、過擬合執行時負責極致效能將成為常態，並有助於智慧的民主化與去中心化，讓現有硬體在特定配置下榨出最大輸出。
Minotaur 這套不依賴語言模型、也不用 GPU 的 AI 架構，能完成演繹、歸納、溯因、診斷、實驗選擇與信念修正等多種推理，全部由單個網路、單個普通 CPU 核心完成，每題約 0.25 秒。在由從未看過其程式碼的人設計的盲測中，它在一道“提問會改變證人記憶”的警方訊問推理題，以及僅憑資料學習、診斷和預測系統兩項上，與當前語言模型表現持平。文章還回顧了邏輯理論家、通用問題求解器、專家系統、Prolog 與日本第五代計算機專案等前語言模型路線各自的止步之處。
羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。
維吉尼亞理工、威斯康辛大學麥迪遜分校與達特茅斯學院團隊在 NeurIPS 2026 提出 SAGE，用結構訊號引導長程推理的後訓練。方法以符號閉包分析（SCA）解釋探索偏差與累積偏差，訓練時用代數稀疏化和雙曲結構引導重排候選推理步，在 12 個基準、7 個模型家族上總體優於 SFT、GRPO、EMPO 與 GRPO-PRM。在 1,190 個 Andrews–Curtis 長程例項上，Qwen3 的 Lean 驗證通過率接近基礎模型的 8 倍；
Anthropic 公開 FlashProve，一套用 zkSNARK 實現可驗證推理的開源原型：模型提供方可以證明某次回覆確實由指定模型生成，同時不洩露模型權重。在 4-bit 量化的 400B 混合專家模型 Llama 4 Maverick 上，單張 H100 生成證明約 110 token/秒，每 1,024 token 請求的證明約 19MB。這相當於 vLLM 直接執行該模型的 GPU 時間的 70–95 倍，但比此前的開源系統快幾個數量級。
論文提出 Selection-based Structured Reasoning（SSR），把多模態智慧體的推理從自由生成改為從預設候選中選擇。SSR 將反覆出現的高層推理表示為預先設定、可複用的自然語言候選，模型在每一輪從這些候選裡選擇，而不是開放式生成。作者指出，多模態智慧體通常在每次行動前生成自由形式的推理，小模型受容量限制，往往產生冗長卻對動作生成幫助有限的推理，同時帶來可觀的推理成本。
Sebastian Raschka 發布從零建置推理模型的影片課程，共 8 集、總時長超過 11 小時。課程以小型預訓練 Qwen3 模型為起點，用 Python 和 PyTorch 親手實現評估、推理時擴充套件、強化學習與蒸餾，可配合其《Build a Reasoning Model (From Scratch)》一書按章節同步練習。前置要求是熟悉 Python 與 PyTorch；早期文字生成與評測範例在 CPU 上即可執行，後續訓練實驗建議使用 GPU。
arXiv 新論文提出 Hybrid Reasoning Agents（HybridAgents），在隱空間推理與文字互動之間動態切換，token 減少 35.5%–54.7%、推理快 1.8–2.6 倍、成本降至 1/2.7–1/3.7，效能平均提升 10.4%。架構上由輕量 HybridLink 完成文字與隱空間模式的切換，連續工作記憶在多輪中保留無損混合上下文，既保留工具呼叫能力，也讓隱空間思考可直接檢查。配套 HybridSFT 與 HybridRL 後訓練演算法；
清華大學與新加坡國立大學提出 ParallelWorld，讓具身智慧體在高層規劃中先預演多條候選動作的未來，把任務成功率從 56% 提升至 83%。系統會推演各分支後續觀察、剪去較差路徑，選定軌跡後只執行第一個動作再依新觀察重新規劃；在 ESI-Bench 的 28 個子任務中 26 項超過順序式主動探索，LIBERO-Pro 八個操作設定全部超過直接基線，Spatial 位置交換提升 27 個百分點。
10 月 21 日，OpenAI 聯合 PerturbAI 與 Scripps Research 公布：由新架構 GPT-Rosalind 驅動的數千個 AI 智慧體，在 32 分鐘內解析了約 772 萬行的小鼠全腦 CRISPR 擾動資料集，同類工作人類研究者需數月到一年。分散式叢集合計引用 700 餘篇文獻，而單智慧體受上下文視窗限制平均僅引用 11 篇；盲法專家比較中，75% 更偏好分散式報告。
DeepSeek 開源了生產推理棧 DeepInfer，它基於 vLLM 定製、採用 Apache 2.0 許可，支援最長 72 小時 prompt 快取、投機解碼與結構化輸出，相容 NVIDIA 與華為昇騰。官方稱單叢集日處理 155 萬億 token、輸入快取命中率 96%、首 token 延遲 400ms、生成速度 230 token/s，按非高峰電價折算單卡每小時收入 38 美元，毛利率超過 80%、回本週期 81 天。不過 KV 快取管理與負載均衡仍未開源；
OpenAI 於 9 月 21 日發布官方戰略宣告，把自動化 AI 研究員與遞迴自我改進（RSI）列為下一階段重要目標，並計劃在 2028 年 3 月前打造真正的自動化 AI 研究員；Anthropic 同期披露，截至 8 月 Claude 已在約 26% 的內部 AI 研發工作中承擔主導角色。
Hinton、Bengio 等 22 位作者聯合發表首篇 RSI（遞迴自我改進）論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料：AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%，Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。
獨立研究員王琰發布技術報告 TraceForge，提出用同族模型自行生成思維鏈、只向閉源模型借答案的合法路徑。以 Qwen3.5-9B-Base 做學生、5,000 條題目訓練後，自生成思維鏈在 HumanEval+ 比直接蒸餾 Claude Fable 5 真實思維鏈高 3.7 分、MBPP+ 高 7.1 分，且 MBPP+ 領先在每個 checkpoint 上都成立。報告還給出更徹底的變體：連答案也交給同族最強模型生成，全程不讓任何閉源 token 進入梯度；
據 The Information 報導，Anthropic 正準備推出一款新模型，其推理與直覺判斷據稱超過現役所有商用 Claude 模型，並能從有限指令推斷出使用者未明說的目標。試用者舉例稱，讓它修復一個 Bug，它可能找出導致該 Bug 的一整類底層問題，並主動詢問是否一併修復；該模型的名稱、發布時間與評測成績均未公布。
OpenAI 內部模型 5 月給出 1946 年提出的 Erdős 單位距離猜想的反例，6 月證明 Cycle Double Cover，7 月再解十個開放問題，9 月給出 Navier-Stokes 證明；Anthropic 則形式化了費馬大定理並改進黎曼猜想的界。文章分析稱，LLM 以深度優先方式並行推進多條思路，再用只能校驗完整證明的自動驗證器剪枝，單條思路的試錯成本降到幾分鐘，因此普通甚至看似不可能的提示也值得投入大量算力。
阿里千問與俄亥俄州立大學提出 TRACE，用 Rollout 側真實 FP4 量化結果指導訓練側舍入方向，在四個 Qwen MoE 模型上把聯合 FP4 權重啟用與 FP4 KV Cache 的 RL 效能拉回 BF16 水平。Qwen3.5-35B-A3B 平均分 75.3，高於 BF16 Rollout 的 74.9，遠超普通 QAT 的 59.6 和 QUADS 的 68.8；128K 輸出長度下解碼吞吐最高提升 5.4 倍，端到端 RL step 僅增約 7.4% 開銷。
Anthropic 週一發布研究報告，稱可自我複製的 AI 蠕蟲可能數月內就具備在 IoT 裝置上擴散的能力。報告稱 90 億引數模型在 9 類硬體中的 8 類上成功部署推理，Gemma4-26B-A4B 分散跑在 15 臺安卓電視盒上僅 0.39 tokens/秒；GLM-5.2 成功向 8 個安卓 15 模擬器節點傳播 Llama3.1-8B，5 次試驗中 4 次全部成功。
清華大學姚期智、袁洋團隊提出「代數世界模型」（AWM），讓 AI 把觀察到的現象寫成可執行假設、凝鍊為通用規則，最後用 Lean 4 形式化成機器可檢驗的數學證明。在 ARC-AGI-3 上，基於 Opus 5 的 AWM 通關全部 183 個關卡，得分 99.9%，平均通關步數只有人類基準的 43%；面對被人為改成無解的關卡，它嘗試兩次即證明「不可能」，並指出再增加一步就能獲勝。團隊同時說明，這些證明只在已觀測到的世界內成立，探索不全時得到的只是區域性真理。
AI 實驗室 Third Moment Research 藉助 OpenAI 的 GPT-6 Astra、GPT-6.1 Sol 與 Codex，可同時執行 1 萬個 agent，單次自主研究持續 36–48 小時。Codex 曾定位量化回測瓶頸並部署快取與記憶體打包最佳化，把一年美股訂單級資料的回測從約 3 小時縮短到 3–5 分鐘，回測時間減少 97%。
Anthropic 在修訂版 S-1A 的風險因素中警告，公司可能很快達到其《負責任擴充套件政策》對“遞迴自我改進”（RSI）的定義，即 AI 大幅加速自身研發進展。檔案承認過去曾用 AI 開發新模型而未及時識別能力躍升；但也強調目前沒有任何模型越過該門檻，並承諾在可預見的未來仍保持人類監督。同期披露的財務資料顯示收入快速上漲、支出同步走高。
北京通用人工智慧研究院體系孵化的通衍靈智公布 RSI（遞迴自我改進）個性化 AI 路線：在共享基礎模型之上，用輕量 Personal LoRA 承載個人與企業的專屬能力。Evaluator 先按使用者標準篩選業務反饋，只把反覆出現的模式用於增量更新；更新後要與舊版本在同一批任務上對比，退化就回滾。
中科大系公司白澤通境發布溯因式世界模型 AWM，並開源論文與程式碼，配合自研端側推理引擎 BAIZ-RUN 把模型壓進機器人本地執行。AWM 從無標註影片學習，在 Push-T 任務上以 2000 條軌跡達到 75% 成功率，約為 Causal-JEPA 所需資料的七分之一，資料加到 14728 條時成功率約 92%。
OpenAI 的 Sam Altman 在阿布扎比 ADIPEC 2026 上透露，9 月公布的三維納維–斯托克斯方程突破，是由 1 萬個由下一代 GPT 驅動的 Agent 完成的。這些 Agent 沒有層級、也沒有統一負責人，各自探索方向並共享進展，協同執行約 4 天：核心數學探索約 88 小時，交換 270 萬條訊息、生成約 1300 億 Token，隨後由 GPT-6 Astra 用 17 小時完成 Lean 形式化驗證。
Frontier Red Team 的實驗顯示，小型 AI 模型可能再過數月就能在智慧烤箱、雜牌 Android TV 盒子等商用 IoT 裝置上自我複製：這類複製體沒有集中的關停點、倍增時間為數天，還能自行摸清陌生硬體，測試中 9B 模型在 9 類硬體裡有 8 類成功跑起推理。研究把複製拆為尋找目標、獲得執行、建立推理、繼續傳播四步，30B 以下模型已能完成多數單步但端到端串聯仍會出錯，簡化評測中 GLM-5.2 及更強模型可端到端複製。
OpenAI 於 10 月 6 日一次性發布 372 項數學成果，其中包括 Subhash Khot 的 Unique Games 猜想證明，部分結果附有 Lean 證書，但並非全部。截至目前似乎還沒有人類讀懂這些證明，理解它們的競賽才剛剛開始。作者妻子、複雜度理論家 Dana Moshkovitz 長期研究 UGC，她稱論文寫得極差、必須靠 AI 輔助才能閱讀，證明構造出一種全新的遞迴編碼與噪聲測試。
AlphaGo 核心作者 Thore Graepel 在 MIT Technology Review 發文稱 LLM 不會推理，並已離開 Google DeepMind 創業做可審計的機器推理。他指出 AlphaGo 第 37 手是策略網路加搜尋機制的結果，而 LLM 的思維鏈仍只是預測下一個 token，缺少可檢查的認知狀態、知識與推理的分離，且常事後編造解釋。Yann LeCun 表示讚賞，認為真正推理必須涉及搜尋。
復旦大學、騰訊混元與清華大學聯合發布 ExplorationBench，用兩套規則被改寫的「異星世界」AlienCode 和 AlienLogic，評測 AI 能否通過自主實驗發現規則。10 個前沿系統讀完範例後，在 AlienCode 上最高僅 15.7%，四輪探索後最好軌跡達 89.0%；若只讓模型多想、不給環境反饋，最高只有 11.0%。GPT-5.6 Sol 自主探索拿到 88.1%，而事先直接告知全部規則反而只有 69.5%，說明探索過程同時提升了規則的使用能力。
Anthropic 的 Cowork 新版本把模型推理和 VM 都放到雲端執行，每個會話獲得獨立沙箱，不與其他會話共享狀態。舊版本只在雲端做推理，工具呼叫由 Anthropic 隨桌面端下發的本地 VM 執行，使用者抱怨磁碟、電量和效能開銷，且合上筆記本工作就會停止。新架構下當雲端 VM 需要使用者裝置上的檔案時，由桌面應用負責該檔案訪問的工具呼叫。官方稱這解決了用手機使用 Cowork、任務持續執行以及不犧牲電池等問題。