语言模型树结构表达式序列化的通信瓶颈：一项往返研究
研究用往返协议测试 16 个语言模型，发现用自然语言序列化树结构表达式存在有损且不对称的瓶颈，最佳生成-抽取组合准确率 92.9%。交换生成端与抽取端会使准确率变化最多 60.4 个百分点，至少 73.6% 的失败源自生成端，难度由树结构而非模型家族决定。约 3600 条微调样本即可让所有开放权重模型超过未训练的 Gemini-3.1-Pro。
#推理
#推理
今日 0 条Apple Machine Learning ResearchAI 评分3939
AWS Machine Learning Blog精选AI 评分6767 GPT-6 Sol 与 GPT-6 Luna 在 Amazon Bedrock 正式可用
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 在 Amazon Bedrock 正式可用，API 定价显著低于 GPT-5.6 前代。GPT-6 Sol 面向开发与运维中反复出现的复杂任务，GPT-6 Luna 面向大批量重复任务，两者都支持显式提示词缓存。OpenAI 的内部事实性评测显示，GPT-6 Sol 的事实性错误约为 GPT-5.6 Sol 的一半。
推荐理由：两款模型按复杂任务与高频任务分层，API 定价低于 GPT-5.6 前代，可据此判断日常负载的选型。
NVIDIA BlogAI 评分4949 NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中性能领先
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中，Qwen3-VL 吞吐量最高达 GB300 NVL72 的 3.7 倍。GB300 NVL72 凭 288 个 GPU 跨四机架实现 99% 扩展效率；v6.1 提交的软件优化较 v6.0 最高提升 1.6 倍性能。
NVIDIA BlogAI 评分4040 曼彻斯特大学用 NVIDIA Earth-2 预测全英空气污染
曼彻斯特大学用 NVIDIA Earth-2 生成式模型训练出覆盖全英的空气污染模型，分辨率 2-3 平方公里，在 Isambard-AI 的单个八卡节点上仅用两天完成训练。
Apple Machine Learning ResearchAI 评分4242 DACA-GRPO：面向扩散语言模型强化学习的去噪感知信用分配
DACA-GRPO 为扩散语言模型强化学习引入去噪感知信用分配，可作为任意 GRPO 训练器的轻量即插即用增强。在三种 GRPO 基线方法上，它在涵盖数学推理、代码生成、约束满足与 JSON schema 遵循等七个 benchmark 上取得一致提升，最高增益分别为 5.6pp、7.4pp、36.3pp 和 5.9pp。
NVIDIA BlogAI 评分4040 黄仁勋 Dreamforce 演讲：Salesforce 首个 CRM 推理模型 Koa 基于 NVIDIA Nemotron 3 Super 打造
NVIDIA CEO 黄仁勋在 Salesforce Dreamforce 与 Marc Benioff 同台，Salesforce 同期发布首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 后训练构建。
Google ResearchAI 评分3737 绕过推理瓶颈：Google Research 用 Retrieve-for-Train 加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，用离线强化学习把奖励对齐的查询 fan-out 编译成监督信号，蒸馏进仅 53.9M 参数的扩散检索器，实现单次非自回归查询扩展。该框架微调 Gemma3-4B 和 Qwen3-4B，以集合级奖励评估整组结果，绕开零样本 LLM 的语义重复与数百个 CoT 推理 token 带来的自回归延迟。
OpenAI：官网动态精选AI 评分8787 OpenAI 分享 AI 生成的纳维-斯托克斯千禧年难题解答与 Lean 形式化证明
OpenAI 表示正在分享一份由 AI 生成的纳维-斯托克斯千禧年难题解答，包含一份说明文档和一份 Lean 形式化证明。该条目目前只有这一句简要描述，未提供更多细节。
推荐理由：AI 生成的纳维-斯托克斯千禧年难题解答以 Lean 形式化证明一并公开，读者可关注机器产出数学证明的呈现方式。
HuggingFace BlogAI 评分4646 BenchMIRT：LLM 基准测试究竟在测什么？
BenchMIRT 是一种在单条 prompt 层面审计 LLM 基准测试的新方法，基于多维 IRT。它用 100 个 LLM、16 个 benchmark、超 34K 道题的结果训练，未被告知各 benchmark 测什么，却独立恢复出安全与通用推理两大维度。分析还发现 BBQ、WMDP 的得分更贴近通用推理而非安全。
HuggingFace Blog精选AI 评分6363 IBM 详解 Granite 4.2 系列 3B、8B、30B 推理模型的构建过程
IBM Granite 团队发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个 dense、decoder-only 规模，全部以 Apache 2.0 许可开放。
推荐理由：原文公开了从五阶段预训练到多阶段 RL 的完整构建配方，可对照其他推理模型的开源训练路径。
HuggingFace BlogAI 评分4949 Quantization-Aware Healing：GPT-OSS 120B 压缩到 60B 的 4-bit 模型在 7/9 基准上超越全精度版本
Quantization-Aware Healing（QAH）让 GPT-OSS 120B 压缩到 60B、量化为 MXFP4 后，在 9 项基准中 7 项超过其 bfloat16 全精度版本。
HuggingFace BlogAI 评分5858 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 发布 LFM2.5-DSpark 草稿模型检查点，覆盖 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 三个模型，通过投机解码在不改变输出质量的前提下最高提升 3.18 倍吞吐。
Google ResearchAI 评分5757 Google Research 提出知识画像框架，指出 LLM 事实错误多是召回失败
Google Research 提出知识画像（knowledge profiling）框架和包含 2,150 条 Wikipedia 事实的 WikiProfile 基准，用于区分 LLM 的事实编码失败与召回失败。
Mistral AIAI 评分5050 Mistral 上线区域推理端点与 Priority Tier，平台将支持 GLM-5.2 等第三方开源模型
Mistral 公布三项推进 AI 主权的举措：Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲或美国运行；Mistral Priority Tier 进入公开预览，为关键业务提供带 SLA 的承诺服务等级和自定义速率限制。
HuggingFace BlogAI 评分4141 GPU 管理：为什么闲置 GPU 正成为新的“停场飞机”
企业 AI 的下一道真实约束已从模型智能转向 GPU 利用率：GPU 按日历小时计成本，产出却只按计算小时计。这与航空业靠飞机利用率决定生死的结构一致，自购 GPU 可把随 token 线性增长的 API 成本换成固定资本支出。但按峰值规模采购的集群在需求不持续时，满载 GPU 仍会浪费大量产能。
HuggingFace Blog精选AI 评分7979 Thinking Machines 发布开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 发布开源多模态模型 Inkling，总参数 975B、激活 41B，支持 1M 上下文并原生接收图像、音频和文本输入。同期推出 Inkling-Small（总参数 276B、激活 12B），采用与 Inkling 相同的架构。
推荐理由：约 1T 参数的开源多模态模型，文章给出多个推理引擎的部署配置和基准对比，便于判断它能否落到现有工作流。
HuggingFace Blog精选AI 评分6767 vLLM 的 transformers 建模后端实现原生推理速度
Hugging Face 表示 vLLM 的 transformers 建模后端现已在多个 LLM 架构上达到甚至超过 vLLM 手写原生实现的吞吐。对比覆盖 Qwen3 4B 单卡、32B 张量并行、235B FP8 MoE 数据加专家并行三种部署，模型只需加 --model-impl transformers 即可启用，且仍可用于训练。
推荐理由：文章给出 transformers 后端与 vLLM 原生实现在三种 Qwen3 模型上的吞吐对比，便于了解免移植推理的实现路径。
Mistral AI精选AI 评分6363 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数与 6B 激活参数的形式化验证模型，在 miniF2F 验证集和测试集上均达到 100%。
推荐理由：可对照 Leanstral 1.5 在 PutnamBench 的解题数与约 4 美元单题成本，比较形式化证明模型的性价比。
Google ResearchAI 评分5050 Google 用冻结 MTP 加速 Pixel 上的 Gemini Nano 模型
Google Research 提出把 Multi-Token Prediction（MTP）头接到已冻结的 Gemini Nano v3 主干上，无需为每个任务微调独立的草稿模型即可实现端侧文本生成加速。
Google ResearchAI 评分5656 思考即回忆：推理如何解锁 LLM 的参数化知识
Google Research 的论文发现，开启推理链能让 LLM 回忆出关闭推理时几乎无法获取的简单单跳事实答案，并在 Gemini-2.5 Flash、Gemini-2.5 Pro 和 Qwen3-32B 上用 pass@k 在 SimpleQA Verified 与 EntityQuestions 上验证。
Google ResearchAI 评分4040 Google Research 在 I/O 2026：智能体时代的科学发现新纪元
Google 在 I/O 2026 发布 Gemini for Science 实验性工具套件，其中 Computational Discovery 基于 ERA 与 AlphaEvolve，可并行生成并评分数千个代码变体，Hypothesis Generation 则由 Co-Scientist 构建。
Mistral AIAI 评分5252 Mistral 发布工业 AI 栈与新 Vibe 智能体，并公布 10 MW 推理数据中心
Mistral 在 AI Now Summit 2026 上发布面向工业工程的 AI 栈，联合 Airbus、BMW 和 ASML 优化设计、仿真与生产，并强调对专有数据、IP 和生产环境的完全控制。
Google DeepMindAI 评分3737 Google DeepMind 的 Co-Scientist 联合两套生物学工具包，探索 ALS 研究新路径
MIT 的 Ritu Raman 与 Boston Children's Hospital 的 Ryan Flynn 借 Co-Scientist 合作研究 ALS，把构建活体神经肌肉组织与绘制细胞表面 RNA 图谱两套工具包结合起来。
Google ResearchAI 评分4949 ReasoningBank：让智能体从经验中学习
Google Research 提出的 ReasoningBank 让智能体从成功与失败经验中提炼高层推理模式，实现测试时自我演化。在 Gemini-2.5-Flash 上，WebArena 成功率比无记忆基线高 8.3%，SWE-Bench-Verified 高 4.6%，每任务少用近 3 个执行步骤。配套的 MaTTS 通过并行与串行扩展，把探索轨迹也转化为高质量记忆。
Google ResearchAI 评分4646 Google Research 提出 MoGen：用 AI 合成神经元加速大脑图谱绘制
Google Research 用合成神经元形状增强 PATHFINDER 训练数据，将小鼠轴突重建误差降低 4.4%。其 MoGen 模型基于 PointInfinity 点云流匹配，用 1,795 个小鼠皮层轴突训练，训练数据加入 10% 合成形状即可减少合并错误。MoGen 已开源，论文将在 ICLR 2026 发表；按完整小鼠脑规模计算，相当于节省 157 人年人工校对。
Google DeepMindAI 评分5959 Google DeepMind 发布 Gemini Robotics-ER 1.6，强化机器人具身推理
Google DeepMind 发布 Gemini Robotics-ER 1.6，这款面向机器人的推理模型增强了空间推理与多视角理解，并新增仪表读数能力。官方称其在指向、计数和任务成功检测上相比 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemma 4 开源模型家族，含 26B MoE 与 31B Dense 四种尺寸
Google DeepMind 发布 Gemma 4 开源模型家族，提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，采用 Apache 2.0 许可。
推荐理由：原文列出四档尺寸、Arena 排名与 Apache 2.0 许可，便于判断本地部署和微调的硬件与授权取舍。
Google ResearchAI 评分4444 Google 推出 TurboQuant：以极致压缩重新定义 AI 效率
Google 推出 TurboQuant，一种零精度损失的压缩算法，可同时压缩 KV cache 并加速向量搜索。它先用 PolarQuant 随机旋转向量完成主体压缩，再用 1 bit 的 QJL 消除残差误差，TurboQuant 将在 ICLR 2026 展示。
Google ResearchAI 评分4040 Google Research 在 The Check Up：从医疗创新到真实诊疗场景
Google Research 在 The Check Up 公布医疗 AI 多项进展，其中与 Fitbit 合作的 Personal Health Agent（PHA）研究发现，模拟协作医疗团队的 PHA 比单任务健康应用更能支持长期健康。
Mistral AI精选AI 评分7373 Mistral AI 发布 Mistral Small 4，统一推理、多模态与编码智能体能力
Mistral AI 发布 Mistral Small 4，称其是首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码智能体能力统一进单一模型的 Mistral 模型，以 Apache 2.0 许可开源。
推荐理由：Mistral Small 4 把推理、多模态与编码能力合进一个开源模型，读者可据此评估单模型替代多模型组合的部署取舍。
Mistral AIAI 评分4949 Mistral 发布 Leanstral：面向可信 vibe-coding 的开源基础模型
Mistral 发布 Leanstral，首个面向 Lean 4 的开源代码智能体，Apache 2.0 开源并提供免费 API。该模型激活参数 6B，采用稀疏架构，支持任意 MCP，并针对 lean-lsp-mcp 训练，也可在 Mistral vibe 的 agent 模式中使用。
Google Research精选AI 评分6565 Google Research 与 BIDMC 开展 AMIE 对话式诊断 AI 真实临床可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作，在真实门诊流程中开展 AMIE 对话式诊断 AI 的前瞻性单中心可行性研究，100 名成年患者就诊前通过安全网页链接与 AMIE 进行文本问诊，全程由医生视频监督，未触发任何安全中止。
推荐理由：研究以盲评方式对比 AMIE 与初级保健医生的鉴别诊断和管理计划质量，为对话式医疗 AI 的真实落地提供参照。
Mistral AIAI 评分5353 Mistral AI 定位 vLLM 内存泄漏，源头在 UCX 的 mmap hook
Mistral AI 团队复盘了 vLLM 中的一次内存泄漏排查。在他们用 Mistral Medium 3.1 做 P/D 分离部署并启用图编译时，系统内存以每分钟 400 MB 线性增长，数小时后会进入 OOM 状态。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral 3 系列模型，全部以 Apache 2.0 开源
Mistral 发布 Mistral 3 模型家族，包含稀疏 MoE 的 Mistral Large 3（41B 激活、675B 总参数）与三款密集小模型 Ministral 3（3B、8B、14B），全部以 Apache 2.0 开源。
推荐理由：Mistral 3 一并公布参数规模、开源许可与硬件适配方案，读者可据此对照自身部署条件判断选型。
Mistral AIAI 评分5555 Mistral 为 Le Chat 推出 Deep Research、语音模式等新功能
Mistral 为 Le Chat 推出一批新功能，包括 Deep Research（预览）、语音模式、原生多语言推理、Projects 和图像编辑。Deep Research 由工具增强的研究 agent 驱动，可产出带引用的结构化报告；语音模式基于新语音模型 Voxtral，推理能力来自 Magistral 模型。
Mistral AI精选AI 评分6363 Mistral AI 发布首个推理模型 Magistral，Small 版 24B 开源
Mistral AI 发布首个推理模型 Magistral，分为 24B 参数的开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由：原文列出两档模型的 AIME2024 分数、开源许可与部署渠道，便于比较开源推理模型的落地方式。
TensorFlow BlogAI 评分4949 XNNPack 支持动态范围量化，加速 TensorFlow Lite CPU 推理
XNNPack 为 TensorFlow Lite 的 Fully Connected 和 Convolution 2D 算子加入动态范围量化支持，CPU 推理性能较 fp32 基线提升 4 倍。
TensorFlow BlogAI 评分4848 TensorFlow Lite XNNPack 半精度推理正式可用，ARM CPU 端侧性能翻倍
TensorFlow Lite 的 XNNPack 后端在 ARM CPU 上启用半精度（FP16）推理，浮点模型端侧推理性能提升 2 倍，现已正式可用。