PyTorch 2.15 为 MPS 带来 FP8 支持和更快的 LLM 解码
PyTorch 2.15 在 MPS 后端加入 FP8 张量支持，并把解码、softmax 等算子从 MPSGraph 换成专用 Metal kernel。
推荐理由：在 Mac 上跑本地 LLM 的开发者可以装 2.15 RC 试解码提速，前提是 macOS 15 与 Python 3.11 以上。
#推理
#推理
今日 0 条Hugging Face Blog精选AI 评分7272 arXiv cs.AI / cs.LG 最新AI 评分6161 SOMA 用 System One 模型持续监控并干预 System Two 推理
SOMA 是一个用 System One 模型持续监控 System Two 推理模型并在需要时介入的框架，分场景、感知、控制三层，同一个 S1 模型与控制器跨任务复用且不训练。
arXiv cs.AI / cs.LG 最新AI 评分3939 两个隐藏层足够：Caterpillar Net
Caterpillar Net 给出一种非递归构造，用两个隐藏层、宽度 O(N^2) 与 2^{O(N log N)} 表示 N 个输入的最大值。该构造受 Brunck 等人 2026 年证明两个隐藏层足以表示一般 CPWL 函数的启发，并具有直接的几何解释。它面向 ReLU 网络最大值表示这一核心问题。
arXiv cs.AI / cs.LG 最新精选AI 评分6666 同一次仿真不同证据，检索工具输出让 LLM Agent 损失准确率
一项 arXiv 研究用 USGS 地球化学模拟器 PHREEQC 检验工具输出检索对 LLM Agent 准确率的影响，报告长达 846.8k 字符，测试为 158 道执行验证多选题。
推荐理由：做 Agent 上下文管理的团队可以按它的实验方法自查准确率在哪一步流失，再决定是否内联或指认权威输出。
arXiv cs.AI / cs.LG 最新AI 评分6060 Agima 训练框架让智能体先想象行动后果再决策
研究者提出 Agentic Imagination（Agima）训练框架，用单个 omni 模型先提出动作、生成动作结果的图像，再在这些想象出的未来上推理，决定实际执行哪一步。
arXiv cs.AI / cs.LG 最新AI 评分4646 VAG：视觉可归因的在线自蒸馏强化学习
研究提出 Visual-Attribution Gating（VAG），通过对比有证据与证据退化的教师视图来过滤特权纠正，抑制视觉推理在线自蒸馏中的「特权校正污染」。VAG 以验证器导出的 advantage 为优化锚点，只采纳被视觉对比方向性支持的 token 级纠正。在六个视觉推理 benchmark 上，其平均性能优于 GRPO 和 OPSD，达到新的 SOTA。
Hacker News · 高分新帖精选AI 评分8686 Inception Labs 发布扩散 LLM Mercury 3，1M 上下文、每秒 1068 个 token
Inception Labs 发布扩散架构大语言模型 Mercury 3，官方称其基准表现达到或超过 GPT-6 Luna 与 Claude Haiku 5.5，在 NVIDIA GPU 上跑出每秒 1068 个 token。
推荐理由：做语音客服或浏览器 Agent 的团队可用它兼容 OpenAI 的接口替换现有模型，先测 1M 上下文下的端到端延迟。
The DecoderAI 评分7070 MiniMax 发布推理模型 M3.1 Flash，单任务成本约 0.22 美元
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis 智能指数上得分 42，比上一代 M3 高 13 分，单任务成本不到其一半。
Hacker News · 高分新帖AI 评分7171 HybridAgents：在潜空间推理、通过文本行动的混合推理智能体
arXiv 论文提出 HybridAgents 混合推理智能体，在统一生成过程中动态切换潜空间推理与文本交互。轻量模块 HybridLink 负责两种模式的转换，连续工作记忆在多次交互中保留无损的混合上下文，潜空间中的思考过程可直接检查，同时保留调用工具的能力。
arXiv cs.AI / cs.LG 最新AI 评分5252 推理的单个像素：一句有来源支撑的真话就足以误导 LLM 智能体
arXiv 论文提出单关系攻击（ORA），先定位证据与结论之间的一个隐含前提，再用一句有来源支撑的话把这个前提改写，就能把 LLM 智能体引向错误结论。在生物医学推理和漏洞检测任务上测试 18 个模型，best-of-10 攻击对闭源模型平均翻转 54.9% 原本正确的答案，对开源权重模型为 80.0%。
arXiv cs.AI / cs.LG 最新AI 评分4848 REP-HO：面向异构优化的 LLM 评估规划
REP-HO 用 LLM 规划器替代 MFE-NSGA-III 的规则化混合保真度选择，完成异构优化中的评估规划。在成本不平衡、约束难度、代理模型保真度、预算水平和目标冲突五个场景中，每个场景均有变体取得最佳平均排名，REP-HO(Deepseek) 始终位列前二。加入自适应最近邻摘要后结果更好更稳定，并能在预算收紧时优先评估约束。
arXiv cs.AI / cs.LG 最新AI 评分5050 arXiv 论文提出 PatternBench 基准，衡量 LLM 代码优化能否超越编译器
arXiv 论文提出 PatternBench，用于评测编译器优化之后仍残留的 LLM 代码优化空间。该基准覆盖七类变换，在运行时测量之外加入基于 AST 的优化忠实性分析，检查生成程序是否真正实现了目标优化。
arXiv cs.AI / cs.LG 最新AI 评分5757 谁会被解掩码？扩散语言模型采样器引入的偏见
论文指出扩散语言模型的采样器不只决定写入哪个 token，还决定何时提交，这会改变生成文本中出现的人物。在 LLaDA 和 Dream 上，优先提交最可能 token 的 peeking 采样会放大职业性别刻板印象、让观点分布坍缩，基于置信度的排序把性别均衡的职业推向男性，并行解码更快时更明显。
arXiv cs.AI / cs.LG 最新AI 评分5353 ReTRACE：面向逆合成规划的反馈引导 LLM 智能体
ReTRACE 是面向逆合成规划的 LLM 智能体，把大语言模型放进整合分子工具、互补单步预测引擎、可采购原料库、路线记忆与多准则路线评估器的化学环境中。它用程序化检查加对抗式 LLM 评审组成的新指标判断路线，并在搜索过程中依据评估器反馈诊断弱路线并回溯修改。
arXiv cs.AI / cs.LG 最新AI 评分4949 超越答案：ReDiST 面向推理蒸馏的学生条件化轨迹构建
ReDiST 提出一种以学生模型为条件的推理轨迹构建与蒸馏框架：从学生自身作答出发，依据提供的证据修正答案正确的草稿，并用已验证答案的额外引导修复失败草稿。框架用冻结的、与学生匹配的 reader 按答案恢复率和已验证答案概率对原始与编辑后的候选轨迹打分排序，筛选出的目标离线蒸馏，推理时仅使用蒸馏后的学生模型。
arXiv cs.AI / cs.LG 最新AI 评分4949 逻辑引导的图去噪扩散模型
研究者提出逻辑引导的图去噪扩散模型，用一阶逻辑（FOL）表达领域约束，并通过分类器引导在推理阶段控制预训练扩散模型生成满足结构约束的图。该方法将逻辑规则松弛为模糊且可微的目标函数，沿去噪轨迹优化。在知识图谱生成中，加入本体约束后，满足本体约束的生成图比例显著提高。
arXiv cs.AI / cs.LG 最新AI 评分5151 论文提出心理世界模型 MWM 与 MMEA 架构，DynToM 准确率 96.48%
论文提出心理世界模型 MWM 及其实现多分支心理演化架构 MMEA，显式构建主观世界、建模认知与心理状态的交互并模拟由历史经验驱动的心理演化。MMEA 在 DynToM 和 RecToM 上分别取得 96.48% 和 94.00% 准确率，超过主流 LLM 与专门的 Theory of Mind 方法。
arXiv cs.AI / cs.LG 最新AI 评分4747 SETAREH Transform：一种排序辅助的 Haar 小波稀疏化近似内积计算方法
SETAREH Transform 是一种排序辅助的 Haar 小波稀疏化方法，用于近似计算固定高维系数向量与连续输入向量的内积。该方法对两向量施加相同排列与 Haar 变换，截断前保持内积精确，截断后仅保留部分系数-输入对并引入可控误差。在合成高斯基线及 APPA-REAL 数据集的 CNN 表观年龄估计任务中，它可用显著少于原维度的系数-输入对完成近似。
arXiv cs.AI / cs.LG 最新AI 评分4848 Spatial-TRM：用递归细化预测空间上下文区域
Spatial-TRM 用冻结的视觉语言特征配合权重共享的递归推理完成空间上下文预测，可训练参数仅 11.2M。在 RoboSpatial-Home 基准上，其上下文准确率为 29.51%，比同等参数量的单步模型高 9.02 个百分点（相对提升 44.0%）。模型支持 6 种空间关系、3 种参考系和开放词表锚点物体，含冻结编码器共 877.8M 参数。
arXiv cs.AI / cs.LG 最新AI 评分6363 CoTA++ 提出免训练框架，缓解扩散多模态大模型近似缓存的重复诅咒
arXiv 论文提出 CoTA++，一个免训练、即插即用的框架，用于缓解扩散多模态大模型（dMLLMs）用近似缓存解码时出现的重复诅咒，即回复在相邻位置重复同一 token 导致句子断裂。
arXiv cs.AI / cs.LG 最新AI 评分3535 光网络故障排查中的智能体 AI 如何通过数据引用防止数据幻觉
面向光通信网络自动故障排查的智能体 AI 系统通过将数据引用集成到智能体架构中，防止数据幻觉，并提升根因识别与推理的可解释性和可信度。该系统作为 demo 在 ECOC 2026 展示。
arXiv cs.AI / cs.LG 最新AI 评分5757 arXiv 论文提出 token 预算理论，可预测多智能体辩论的最优智能体数量
这篇 arXiv 论文把阅读上下文与推理生成共用一个固定 token 窗口的权衡形式化为 token 预算理论，将准确率建模为扣除阅读开销后剩余推理预算的函数，并用允许相关误差的 Condorcet 陪审团模型聚合投票。
arXiv cs.AI / cs.LG 最新AI 评分4646 MGE-PO：面向数学推理的熵感知信用分配方法
MGE-PO 提出四象限（4Q）优势塑形，用验证正确性决定修正项的符号、用 rollout 生成熵决定修正幅度，弥补 GRPO 对同组内同等奖励回答分配相同优势值的问题。
arXiv cs.AI / cs.LG 最新AI 评分5353 LeanGraphSearch 提出基于依赖图的 Lean 4 引理检索方法
LeanGraphSearch 是面向 Lean 4 的图检索方法，用 Mathlib 的前向依赖关系建图，把语义匹配声明的相关性沿多跳依赖链传播，再对扩展后的候选引理重排。
arXiv cs.AI / cs.LG 最新AI 评分4949 KnowGPO：面向搜索智能体的知识分组策略优化
论文提出面向搜索智能体的强化学习框架 KnowGPO，按轨迹已获得的任务相关知识而非表面观测对齐，并以原子知识条件的状态分组进行组内比较。连续步骤间的增量知识增益被用作环境锚定的过程奖励；在 Xbench、BrowseComp-ZH 和 GAIA 上，KnowGPO 比 GRPO、GiGPO、IGPO 提升 3.8 至 4.2 分。其 8B 模型可媲美或超过多数 32B 开源系统，代码已公开。
arXiv cs.AI / cs.LG 最新AI 评分5252 Twice Upon a Time：用线图与归一化延迟嵌入双视图提升时序推理
arXiv 论文提出互补表示这一时序推理设计原则，让时序语言模型同时接收两种视觉视图：保留绝对测量值和观测坐标系的折线图，以及对正幅度缩放和偏移不敏感的归一化延迟嵌入。
arXiv cs.AI / cs.LG 最新AI 评分4444 多智能体强化学习中的理性策略合成：面向 PLTL_f 时序目标
针对动态未知的随机多智能体系统，该研究以 PLTL_f 描述每个智能体的概率时序目标，并把 Nash 均衡等解概念作为联合策略约束，以求解理性合成问题。表格型 Nash-Q 学习获得条件收敛保证，同时给出满足性的有限样本置信界，并用近似最佳响应检验策略稳定性。方法在 8 个一般和并发随机博弈上完成了实证验证。
arXiv cs.AI / cs.LG 最新AI 评分5656 X-RIC 提出融合智能体推理的 O-RAN 智能控制器框架与 BARX 评测基准
X-RIC 是把智能体 AI 引入 O-RAN 智能控制器的框架，并配套提出 BARX 评测基准，论文已被 IEEE MASS 2026 接收。它用领域启发式做自动行为克隆以提升样本效率，用基于 Transformer 的 Telecom Language Model 提供可解释的上下文抽象，并在 Near-RT RIC 控制环路内闭环协同自适应。
arXiv cs.AI / cs.LG 最新AI 评分5656 arXiv 论文提出用模型分歧指导弱模型到强模型的路由
这篇 arXiv 论文提出一种不依赖真值监督的弱到强路由方法，用弱模型与强模型之间的分歧作为判据，决定何时把弱模型的回答交给更强模型处理。作者先刻画了在允许弱模型本地多次推理情况下的最优路由策略，再据此推导出基于模型间比较的近似方法，且强模型越接近真值分布，近似越准确。
Hugging Face Blog精选AI 评分7474 Apertus 1.5 发布 8B 与 70B 版本，支持图像音频理解与 262k 上下文
Apertus 1.5 在 8B 和 70B 两个规模上加入图像与音频理解、可选 thinking 模式，上下文窗口扩展到 262,144 tokens，是 1.0 的四倍。
推荐理由：想在本地跑多模态的团队可先下 8B 权重微调，注意模型只输出文本，图像和语音仅作输入。
Google DeepMind精选AI 评分8282 Google DeepMind 大范围推送 Gemini 4 Argon 并发布安全防护报告
Google DeepMind 开始大范围推送 Gemini 4 Argon，并同步发布安全与安全防护报告。该模型在编码、金融、法律、网络安全和科学等复杂任务上能力提升，网络安全防御达到前沿水平，在 12 个端到端模拟网络攻击场景中全部通关，上一代为 5 个。
推荐理由：做 Agent 产品的团队可以参照它的三层实时防护和提示注入测试，给工具调用链路补上输入筛查与过程监控。
Google DeepMind精选AI 评分8989 Google 发布 Gemini 4 Argon，输入 token 定价 2 美元/百万
Google 发布前沿模型 Gemini 4 Argon，当天通过 AI Studio 和 Gemini API 向开发者与企业开放，Gemini app 与搜索 AI Mode 面向 Ultra 和 Pro 订阅用户上线。
推荐理由：开发者可先在 AI Studio 付费 API 上重跑自家代码库重构任务，按 2 美元/百万输入 token 估成本再决定迁移。
NVIDIA Blog精选AI 评分6565 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，借助 NVIDIA Blackwell GPU 的推理优化，token 生成速度最高可达 Astra Standard 模式的 8 倍。
推荐理由：运行编码智能体的团队可以在 API 里切换到 Ultrafast 模式，缩短工具调用之间的等待，接入和价格需查官方指南。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，输出上限提升至 1M tokens
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind 计划向一批可信网络安全防御者开放，之后再逐步推向开发者、企业和消费者。
推荐理由：企业安全团队可先申请 Fairwind 计划或等付费 API 开放，用它在自有代码库做漏洞发现与修复的初筛。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和面向安全防御者的 Gemini 3.8 Flash Cyber，延续 3.7 Flash 的价格，每百万输入 token 0.75 美元、输出 token 3.75 美元。
推荐理由：开发者可在 Gemini API 中用它跑长周期编码与智能体任务，先用低 effort 档位控制 token 成本。
Hugging Face Blog精选AI 评分6666 IBM 详解 Granite 4.2 推理模型家族如何从预训练做到 Agentic RL
IBM Granite 团队发布 Granite 4.2 系列推理模型，含 3B、8B、30B 三个稠密尺寸，采用 Apache 2.0 许可，均由 Granite-4.1 base 后训练而来。
推荐理由：想在本地跑代码智能体的团队，可用 vLLM 起一个 OpenAI 兼容端点，把 Granite 4.2 30B 接进 OpenHands 或 OpenCode 试任务。
Hugging Face BlogAI 评分5959 Multiverse Computing 提出量化感知修复 QAH，4-bit 模型在 7/9 基准超过全精度版本
Multiverse Computing 发表论文提出量化感知修复 QAH，在模型结构压缩并量化之后直接从原始全精度大模型蒸馏，而非从已恢复的 bfloat16 检查点蒸馏。