Magnetar：基于证明的通用计算
微软研究团队开发的零知识证明虚拟机 Magnetar，在效率、通用性和安全性方面取得了重大进展，有望推动可验证计算的发展。
推荐理由：Magnetar 是微软研究团队开发的零知识证明虚拟机，在效率、通用性和安全性方面取得了重大进展，有望推动可验证计算的发展。
#推理
#推理
今日 0 条Microsoft Research精选AI 评分7070
OpenAI News精选AI 评分5858 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 形式化证明与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并同步放出 Lean 形式化证明，可供研究者直接查阅。
OpenAI NewsAI 评分2121 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，并为生产环境准备工作流。
NVIDIA Blog精选AI 评分8080 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2828 亚马逊支付如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化率
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周在线 A/B 测试中，一个人群组的最终漏斗转化率出现高个位数百分比的相对提升，另一个人群组则未见改善，问题出在内容而非模型。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf Inference v6.1 结果给出 Vera Rubin NVL72 相对 GB300 的吞吐与扩展效率数字，可用于比较两代平台的推理经济性。
OpenAI NewsAI 评分2020 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份文字论述和一份 Lean 形式化证明。
Microsoft ResearchAI 评分3939 微软研究院发布 MindTopo 基准，揭示多模态模型拓扑推理短板
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与打结五类关系，并区分静态推理与交互规划两个认知层级。测试显示，当前模型在静态识别上明显优于交互规划，且两者均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨动作序列仍不可靠。
OpenAI News精选AI 评分5050 OpenAI 公布数学与理论计算机科学领域的十项进展
OpenAI 公布在数学与理论计算机科学若干长期未解问题上取得的新结果，涵盖几何、密码学与复杂性等方向。
推荐理由：OpenAI 公布数学与理论计算机科学中若干长期未解问题的进展，涉及几何、密码学与复杂性。
OpenAI NewsAI 评分4040 如何通过两项设置让 GPT-5.6 在 ARC-AGI-3 基准测试中得分翻三倍
启用两项 API 设置后，GPT-5.6 在 ARC-AGI-3 基准测试中的得分提升至原来的三倍。这两项设置分别用于保留推理过程和启用压缩，从而同时提升了得分与效率。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。
OpenAI News精选AI 评分6262 GPT-5.6 如何兼顾前沿智能与效率
OpenAI 发布 GPT-5.6，称其在模型、推理和智能体工作流上提升了 AI 效率，让每美元能获得更多有用的智能。原文未给出具体性能数字或版本细节。
推荐理由：原文给出 GPT-5.6 在模型、推理与智能体工作流上的效率改进方向，可据此了解其单位成本产出思路。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的摘要更新
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务上，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
OpenAI NewsAI 评分4040 GPT-5 如何帮免疫学家 Derya Unutmaz 解开三年未解之谜
GPT-5 Pro 帮助免疫学家 Derya Unutmaz 解开了一个困扰三年的免疫学谜题，为 T 细胞行为提供了新见解。这一突破有望支持癌症与自身免疫疾病研究。
OpenAI NewsAI 评分2828 GPT-5.5 Instant 如何提升 ChatGPT 的健康智能
GPT-5.5 Instant 提升了 ChatGPT 在健康与养生问题上的回答能力，具备更强的推理、更好的上下文理解与更清晰的表达，并采用医生参与设计的评估方式。
OpenAI News精选AI 评分5252 研究者用 OpenAI 推理模型辅助诊断儿童罕见遗传病，新增 18 例确诊
研究者使用 OpenAI 推理模型辅助诊断罕见疾病，在先前未解决的病例中新增 18 例确诊。该结果来自对儿童罕见遗传病诊断场景的应用。
推荐理由：材料给出推理模型在罕见病诊断中的实际命中数量，可了解AI辅助临床诊断的落地程度。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上最高实现 4 倍推理提速，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛，可据此判断本地低并发场景的取舍。
OpenAI News精选AI 评分6262 OpenAI 为 GPT-Rosalind 推出新能力
OpenAI 宣布为 GPT-Rosalind 推出新能力，用于推进生命科学研究。新增能力涵盖增强的生物推理、药物化学专业知识、基因组分析和实验工作流能力。
推荐理由：OpenAI 为 GPT-Rosalind 增加生物推理、药物化学与基因组分析能力，读者可了解其在生命科学场景的定位。
OpenAI News精选AI 评分7070 OpenAI 模型推翻离散几何核心猜想
OpenAI 称其模型解决了 80 年历史的单位距离问题，推翻了离散几何中的一个重要猜想，被视为 AI 驱动数学研究的一个里程碑。
推荐理由：OpenAI 模型推翻离散几何中悬置 80 年的核心猜想，可了解 AI 在数学发现上的进展。
Berkeley AI ResearchAI 评分3636 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仍由外部预先设定，而非模型自主决定。
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型的更长视野梯度规划方法
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索，并重塑梯度让动作获得清晰信号、避免穿过高维视觉模型的脆弱“状态-输入”梯度。该方法针对长视野规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题，使长视野规划更稳健。
OpenAI News精选AI 评分6262 OpenAI 发布生命科学研究推理模型 GPT-Rosalind
OpenAI 发布 GPT-Rosalind，一款面向生命科学的前沿推理模型，目标是加速药物发现、基因组分析、蛋白质推理和科研工作流。
推荐理由：OpenAI 推出面向生命科学的推理模型，读者可了解其瞄准的药物发现与基因组分析场景。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。
Google DeepMindAI 评分2222 AlphaGo 十周年：从围棋到生物学，DeepMind 回顾其对 AI 与科学的深远影响
AlphaGo 成为首个击败围棋世界冠军的 AI 系统已满十年，其"第 37 手"展现了 AI 超越模仿人类、发现全新策略的能力。这一突破直接催生了 AlphaGo Zero、AlphaZero，并推动 AlphaFold 2 破解蛋白质折叠难题，其数据库已被全球超 300 万研究人员使用。
OpenAI NewsAI 评分4242 OpenAI 研究：推理模型难以控制自身思维链，而这正是好事
OpenAI 提出 CoT-Control，发现推理模型难以控制自己的思维链，这反而强化了可监控性作为 AI 安全保障的价值。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Flash-Lite
Google DeepMind 推出 Gemini 3.1 Flash-Lite，这是 Gemini 3 系列中速度最快、成本最低的模型，即日起通过 Gemini API 在 Google AI Studio 面向开发者预览，并通过 Vertex AI 面向企业开放。
推荐理由：官方给出价格、速度与基准数据，读者可据此判断高并发场景下的成本与延迟取舍。
OpenAI NewsAI 评分3636 OpenAI 公布 First Proof 数学挑战赛的 AI 证明提交
OpenAI 分享了其 AI 模型在 First Proof 数学挑战赛中的证明尝试，该挑战用于测试模型在专家级问题上的研究级推理能力。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Pro，ARC-AGI-2 得分 77.1%
Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的更强核心推理模型，在 ARC-AGI-2 上取得 77.1% 的验证得分，超过 3 Pro 推理性能的两倍。
推荐理由：官方给出 ARC-AGI-2 得分与多产品线开放入口，可据此判断 Gemini 3.1 Pro 的推理提升幅度与可用范围。
OpenAI News精选AI 评分6565 GPT-5.2 在理论物理中推导出新结果
OpenAI 发布的一份新预印本显示，GPT-5.2 提出了一个关于胶子振幅的新公式，随后由 OpenAI 与学术合作者完成形式化证明与验证。
推荐理由：材料给出 GPT-5.2 在理论物理中提出新公式并被形式化证明的案例，可观察模型在科研推理上的边界。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3 Deep Think 升级，面向科研与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，这一专用推理模式面向科学、研究与工程难题。它在 Humanity's Last Exam 上取得 48.4%（无工具），ARC-AGI-2 达 84.6%，Codeforces Elo 为 3455，并在 2025 国际数学、物理、化学奥林匹克书面部分达到金牌水平。
推荐理由：官方给出 Deep Think 在 HLE、ARC-AGI-2、Codeforces 等基准上的具体成绩，并首次开放 API 早期访问，可据此判断其科研与工程定位。
Google DeepMind精选AI 评分7171 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在数学、物理和计算机科学专业研究问题上的表现。
推荐理由：原文给出 Deep Think 在数学与理论计算机科学上的具体解题案例，读者可据此判断智能体推理在科研流程中的实际位置。
OpenAI NewsAI 评分3838 OpenAI 推出 Prism：内置 GPT-5.2 的免费 LaTeX 原生工作空间
OpenAI 推出 Prism，一个内置 GPT-5.2 的免费 LaTeX 原生工作空间，帮助研究人员在同一处完成写作、协作与推理。
OpenAI News精选AI 评分6060 OpenAI 解密 Codex 在工程领域的应用
OpenAI 详细介绍了 Codex 在理解代码、重构系统、提升性能、加速工程速度和增强工程工作流程方面的应用。
推荐理由：OpenAI 详细介绍了 Codex 在工程领域的应用，读者可以了解 Codex 如何加速工程工作流程。
Google DeepMindAI 评分2222 Google 2025 年度回顾：8 大研究突破领域
Google 回顾 2025 年在 8 个领域的研究突破，模型方面 3 月发布 Gemini 2.5、11 月发布 Gemini 3、12 月发布 Gemini 3 Flash，其中 Gemini 3 Pro 登顶 LMArena 排行榜，并在 MathArena Apex 上取得 23.4% 的 SOTA。
OpenAI NewsAI 评分4141 OpenAI 发布思维链可监控性评估框架与评测套件
OpenAI 推出面向思维链可监控性的新框架与评测套件，覆盖 24 种环境下的 13 项评估。结果显示，监控模型内部推理远比仅监控输出更有效，为 AI 系统能力提升后的可扩展控制提供了可行路径。
OpenAI NewsAI 评分3838 OpenAI 推出 FrontierScience 基准，评估 AI 科研能力
OpenAI 推出 FrontierScience 基准，用于测试 AI 在物理、化学和生物学领域的推理能力，衡量其向真实科学研究迈进的程度。
OpenAI News精选AI 评分7373 OpenAI 发布 GPT-5.2，面向科学与数学能力升级
OpenAI 发布 GPT-5.2，称其为目前数学与科学能力最强的模型，在 GPQA Diamond 和 FrontierMath 等基准上取得新的 SOTA 结果。官方表示这些提升已转化为实际研究进展，包括解决一个开放理论问题并生成可靠的数学证明。
推荐理由：OpenAI 官方给出 GPT-5.2 在数学与科学基准上的新结果，并说明这些提升如何落到实际研究进展。
Google DeepMindAI 评分2222 Google DeepMind 扩大与英国 AI Security Institute 的合作
Google DeepMind 宣布与英国 AI Security Institute（AISI）签署新谅解备忘录，将合作从模型测试扩展到基础安全研究。双方将共享模型、数据与思路，联合发布报告，并聚焦 AI 推理过程监控（CoT）、社会情感失准的伦理影响以及 AI 对经济系统的潜在影响三个方向。Google DeepMind 称 Gemini 3 是其迄今最智能、最安全的模型。
OpenAI NewsAI 评分4040 GPT-5 与数学发现的新前沿
UCLA 教授 Ernest Ryu 与 GPT-5 共同解决了一个优化理论中的关键问题，展示了 AI 在加速数学发现中的作用。
OpenAI NewsAI 评分2727 OpenAI 推出 IndQA：面向印度语言的 AI 评测基准
OpenAI 推出 IndQA，一个用于评估 AI 系统印度语言能力的新基准，覆盖 12 种语言和 10 个知识领域，由领域专家共同构建，重点考察文化理解与推理能力。