StarSkirmish Bench v0.2 评测：大型语言模型在 StarCraft 游戏中的表现
StarSkirmish Bench v0.2 评测了多个大型语言模型在 StarCraft 游戏中的表现，GPT-6 Astra 表现最佳，Gemini 4 Argon 和 Claude Opus 5.5 紧随其后。
推荐理由：StarSkirmish Bench v0.2 对比了多个大型语言模型在 StarCraft 游戏中的表现，为读者提供了关于不同模型在复杂任务中表现的数据和见解。
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 21–40 条 · 共 86 条Show HN精选AI 评分6565 量子位精选AI 评分6060 OpenAI纳维-斯托克斯方程证明引发数学界争议
OpenAI的纳维-斯托克斯方程证明引发了数学界的关注和争议，专家们发现其证明方法与之前认为的不同，且OpenAI自身也未完全理解其模型给出的证明。
推荐理由：OpenAI的纳维-斯托克斯方程证明引发了数学界的关注和争议，揭示了AI在数学证明领域的潜力和挑战。
Latent Space精选AI 评分7070 AI模型和工具更新：Muse Spark Open、Nemotron 3.5、MAI-Base-2、Gemini 4 Argon等发布
Muse Spark Open发布，具有816B总参数、42B活跃参数、1M上下文窗口，支持多模态输入；Nemotron 3.5 Super VL是一个120B/12B活跃的混合Mamba-Transformer MoE VLM；MAI-Base-2是一个大约3T参数的预训练基础模型；Gemini 4 Argon在Antigravity中推出。
推荐理由：原文介绍了多个AI模型和工具的更新和发布，包括Muse Spark Open、Nemotron 3.5、MAI-Base-2、Gemini 4 Argon等，读者可以了解这些新工具的能力和特点，以及它们对AI领域的影响。
IT之家精选AI 评分6565 苹果与Meta合作：Mac Studio本地运行“美国最强开源AI模型”Muse Spark Open
Meta 和苹果公司合作，在两台 Mac Studio 上本地运行 Muse Spark Open 模型，该模型参数量达 8160 亿，面向复杂工作场景。合作标志着两家公司在 AI 领域的罕见合作，对 AI 工具的可用性和性能有重要影响。
推荐理由：Meta 和苹果公司合作，在 Mac Studio 上本地运行 Muse Spark Open 模型，标志着两家公司在 AI 领域的罕见合作，对 AI 工具的可用性和性能有重要影响。
Microsoft Research精选AI 评分7070 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。
The Decoder精选AI 评分7070 GPT-6-Astra 在理论物理问题测试中取得优异成绩
GPT-6-Astra 在理论物理问题测试中取得了 98% 的准确率，展示了 AI 在这一领域的潜力。
推荐理由：原文展示了 GPT-6-Astra 在理论物理问题上的出色表现，读者可以了解 AI 在这一领域的最新进展及其对物理学研究的影响。
The Decoder精选AI 评分6060 OpenAI 将发布至少一个模型，但其旗舰产品仍需对齐工作
OpenAI 正在开发新的旗舰模型，该模型使用与 Astra 相同的循环 Transformer 技术，但需要进行对齐工作以确保其目标与 OpenAI 的研究人员和客户的期望相符。此外，该模型还需要加强测试基础设施，并接受美国政府的安全评估。
推荐理由：OpenAI 正在开发新的旗舰模型，该模型使用与 Astra 相同的循环 Transformer 技术，但需要进行对齐工作以确保其目标与 OpenAI 的研究人员和客户的期望相符。此外，该模型还需要加强测试基础设施，并接受美国政府的安全评估。
Solidot精选AI 评分7070 Linus Torvalds 使用大语言模型辅助开发 Linux 补丁
Linux 作者 Linus Torvalds 在大模型帮助下开发了一系列补丁，用于增强 folio 的查找机制，并在测试中实现了性能提升。
推荐理由：Linux 作者 Linus Torvalds 使用大语言模型辅助开发补丁，展示了 AI 在软件开发中的应用潜力。
量子位精选AI 评分8585 Anthropic研究：AI自主复制与适应能力探讨
Anthropic的研究探讨了AI自主复制与适应的能力，通过实验展示了AI在陌生硬件上独立生存和复制的可能性，并提出了应对策略。
推荐理由：原文探讨了AI自主复制与适应的能力，读者可以了解AI在安全领域的潜在风险和应对策略。
Show HN精选AI 评分6060 Boole-1.7B：超越 Bonsai-1.7B 的 1 位语言模型
Boole-1.7B 是一个基于 Qwen3-1.7B 的 1 位语言模型，在多个基准测试中超越了 Bonsai-1.7B，展示了其在效率和性能方面的优势。
推荐理由：Boole-1.7B 是一个突破性的 1 位语言模型，展示了其在效率和性能方面的优势，读者可以了解其背后的技术和潜在应用。
The Decoder精选AI 评分8585 DeepMind 的 AlphaProof Nexus 解决了数十个开放数学问题并获得同行评审
DeepMind 的 AI 系统 AlphaProof Nexus 解决了数十个开放数学问题，包括九个开放 Erdős 问题，并经过同行评审。该系统基于 Gemini 3.1 Pro，能够自动生成和修改证明，并在解决数学问题时表现出色。
推荐理由：AlphaProof Nexus 在数学领域取得了显著成果，解决了多个开放性问题，并经过同行评审，对 AI 在数学领域的应用具有重要意义。
IT之家精选AI 评分7070 OpenAI 发布 GPT-6.1 Sol，默认上下文长度提升至 500k
OpenAI 发布 GPT-6.1 Sol，将默认上下文长度从 272k 提升至 500k，支持最大 1M 长度，降低上下文压缩触发频率，提升处理复杂任务能力。
推荐理由：OpenAI 宣布 GPT-6.1 Sol 默认上下文长度提升，对用户体验和性能有显著影响，读者可关注其对现有工作流的影响。
量子位精选AI 评分8585 何恺明团队发布多模态Harness框架VISTA：视觉原生推理新框架
何恺明团队提出的VISTA框架，通过保存和利用视觉信息，显著提升了多模态模型在交互式视觉推理任务中的表现，为Agent能力的发展提供了新的思路。
推荐理由：VISTA框架通过保存和利用视觉信息，显著提升了多模态模型在交互式视觉推理任务中的表现，为Agent能力的发展提供了新的思路。
The Decoder精选AI 评分6565 Google 的 Gemini 4 "Carbon" 模型在编程任务上与 Anthropic 的 Opus 5.5 相当
Google 的 Gemini 4 "Carbon" 模型在编程任务上表现出色，与 Anthropic 的 Opus 5.5 相当，目前仍在测试中。
推荐理由：Google 的 Gemini 4 "Carbon" 模型在编程任务上表现出色，与 Anthropic 的 Opus 5.5 相当，读者可以关注其如何改变现有工作流。
InfoQ中文精选AI 评分7070 OpenAI 发布 Decisions API，挑战 Jev 的智能体功能
OpenAI 发布了基于 GPT-6 Luna 的 Decisions API，该 API 可在预设答案中作出选择并返回置信度分数，挑战了 Jev 的智能体功能。
推荐理由：OpenAI 发布的 Decisions API 可能会改变现有工作流，其能力变化和开放入口值得关注。
Show HN精选AI 评分7171 LLMLL v0.28.0 发布：AI 智能体填类型化空洞，SMT 求解器拒绝错误填充
LLMLL v0.28.0 发布，这是一个面向 AI 智能体写代码的编程语言与验证流水线：契约声明函数必须做什么，智能体填充类型化空洞，编译器在补丁合入前用 Z3 证明每个函数体满足契约。
推荐理由：LLMLL 把形式化验证做成智能体协作协议，读者可据此判断契约驱动编码的可行边界。
量子位精选AI 评分6262 何恺明团队提出NAT-ARC：用ImageNet猫狗图预训练解ARC抽象推理
何恺明团队提出纯视觉ARC解题方案NAT-ARC，在VARC流程前插入ImageNet MAE预训练，不依赖LLM。表现最好的单模型为0.6B的huge尺度，ARC-1上pass@2达63.4±0.7%，集成后达70.2±0.6%，总参数量约2B。
推荐理由：论文用ImageNet预训练打通视觉路线在ARC上的scaling瓶颈，并给出注意力可视化与任务拆解证据。
Show HN精选AI 评分6262 Show HN：交互式演示一个小型 GPT 从一次前向传播到一步 RLHF 的全部数值
作者发布了一个交互式演示，逐步展示一个类 GPT-2 小型模型的完整计算过程，每个矩阵都完整显示在屏幕上，所有数值都在浏览器中实时计算，悬停任意单元格即可看到该步的具体数学运算。
推荐理由：作者用浏览器内实时计算的交互式演示，把一个小型 GPT 从分词到采样、预训练与 RLHF 的每一步数值摊开。
The Decoder精选AI 评分8282 OpenAI 在 GitHub 发布 372 条 AI 生成的数学结果
OpenAI 在 GitHub 上发布了由内部前沿模型生成的 372 条数学结果，每条都声称解决了一个开放问题或取得实质进展，其中包含对重要计算机算法的改进以及与黎曼猜想相关的进展。
推荐理由：OpenAI 把 372 条 AI 生成的数学结果直接发到 GitHub，读者可据此观察学术评审流程与 AI 产出速度之间的张力。
36氪精选AI 评分6262 OpenAI 公开前沿大模型生成的数学研究成果
OpenAI 正在公开其内部前沿大模型生成的一系列全新数学研究成果，相关内容通过 GitHub 代码库发布，并附带论文修订与引用的规范协议。成果包含 Lean 语言形式化证明，可让数学证明内容直接通过计算机完成校验；单份成果平均消耗的算力约等于 ChatGPT Pro 三小时的深度推理时长。
推荐理由：OpenAI 公开前沿模型生成的数学研究成果，并给出 Lean 形式化证明与算力消耗口径，可供观察模型做数学研究的实际形态。