Anthropic 未发布模型助 PSI 三天证明阿伦森－安拜尼斯猜想
物理研究机构 Physical Superintelligence（PSI）宣布，借助 Anthropic 一款尚未发布的 AI 模型，量子计算领域的阿伦森－安拜尼斯猜想得到证明，该猜想自 2008 年提出以来一直未获证明，研究的是量子计算机在何种条件下能远超传统计算机。
#推理
IT之家·人工智能AI 评分6565
Dwarkesh Patel · Podcast & BlogAI 评分6161 Dwarkesh Patel 打造 AI 必须撒谎才能赢的 Blood on the Clocktower 评测基准
Dwarkesh Patel 花 2 万美元 API 额度自建 Blood on the Clocktower 社交欺骗游戏基准，让 AI 模型互相对战 386 场，考察模型在秘密撒谎、多智能体协作与长程策略推理上的进展。
Hugging Face Daily PapersAI 评分4444 SwarmEvolve：用于进化发现与优化的潜空间智能体集群
Brown University 团队提出 LLM 引导进化搜索框架 SwarmEvolve，每轮让数百个低成本智能体集群在潜空间推理、靠传递 KV cache 通信，无需解码成文本。
OpenAlex 主题 · 可解释 AIAI 评分4848 开放权重：当 AI 模型成为解释与干预的对象
Takehi、Teoh、Zhang 和 Khattab 于 2026 年 11 月 2 日报告实验：GPT-6 Astra 从小型神经网络的权重中推断出其特性。在另一项实验中，GPT-6 Astra 借助工具与反馈编辑语言模型，以减少推理循环。论文将神经网络权重视为训练产物与干预媒介，探讨 AI 模型成为解释与干预对象这一命题。
Hugging Face Daily PapersAI 评分4646 D3D：面向异步推测解码的解耦扩散起草
复旦大学团队提出独立扩散草稿模型 D3D，去除对目标模型隐藏状态的依赖，实现起草与验证异步并行的推测解码。D3D 以 Qwen3-8B 和 Qwen3-32B 为目标时，在七个基准上平均取得 5.00× 和 5.71× 解码加速，超过 DFlash 的 4.03× 和 3.67×，GSM8K 上最高达 7.48×。代码、模型权重与基准测试脚本已开源。
Hugging Face BlogAI 评分5353 StateBench 基准测试语言模型在长文档中的状态追踪能力
Ai2 推出 StateBench 基准，用四个难度层级衡量语言模型在长文档中追踪实体状态变化的能力，并公开了论文、数据与代码。
Ai2 / Allen Institute for AIAI 评分5050 StateBench：测试语言模型如何追踪长文档中的状态变化
Ai2 推出 StateBench 基准，以四个难度层级测试语言模型追踪长文档状态变化的能力。在这些任务上直接训练时，带 Gated DeltaNet 层的循环与混合架构泛化远超 Transformer。Gemini 3.8 Flash、Claude Opus 5.5 和 GPT-6 Sol、Luna 等前沿模型随输入变长，仍在更难的状态追踪任务上失效。
Import AIAI 评分4747 Import AI 479：太空战；低延迟任务 vs LLM；Genie 4
研究者构建 Realtime-Bench 基准，显示 LLM 难以胜任需实时决策的低延迟任务，GPT-6 Astra（high）在 wall clock 设置下通过率最高仅 36%。
Amazon ScienceAI 评分4040 Amazon Science 如何用知识蒸馏与 Medusa 加速旅行应用的大语言模型
Amazon Science 与 Booking.com 合作，用知识蒸馏和 Medusa 框架加速旅行应用中的大语言模型。实验以 1.1B 参数的 TinyLlama 为学生、70B 参数的 Llama-3.1 为教师，最终模型匹配教师质量，推理提速 10-20 倍，成本不到三分之一。方案面向 AI Trip Planner、Smart Filters 和住宿描述生成三项功能。
Google Research 博客精选AI 评分6161 Google Research 提出睡眠框架，让大语言模型在持续学习中保留知识
Google Research 提出持续学习中的睡眠框架，让大语言模型在活跃交互与离线睡眠之间交替，把脆弱的短期记忆固化为长期参数记忆，同时缓解灾难性遗忘。睡眠阶段包含记忆巩固与做梦两部分，通过解锁 MoE 记忆块、结合 GKD 与强化学习的知识注入，以及随机专家选择和梯度筛选合成样本来实现自我提升。
推荐理由：原文给出睡眠框架在持续翻译、长上下文和数学推理上对比 ICL、SFT 等基线的实验结果，可了解缓解灾难性遗忘的一种新思路。
Apple Machine Learning ResearchAI 评分4444 Selection-Based Structured Reasoning：迈向高效多模态搜索智能体
Apple 研究团队提出 Selection-Based Structured Reasoning（SSR）框架，将多模态搜索智能体的逐步推理从开放式生成改为从预置候选中选取。在 2B 和 4B 模型、七个多模态搜索基准上的评估显示，SSR 平均成功率与同规模领先搜索智能体相当，单轮推理延迟降低逾 90%，每题总模型推理延迟降低 28–54%。
Johann Rehberger / Embrace The RedAI 评分7272 安全研究者实测重放攻击，跨账号还原 OpenAI GPT-5.6 加密推理轨迹
安全研究者 Johann Rehberger 复现论文提出的重放攻击，把 GPT-5.6 Sol 生成的加密推理轨迹经 chatgpt.com/backend-api/codex/responses 重放给 GPT-5.6 Luna 并诱导其转写，在跨会话、跨模型乃至跨账号的情况下都能还原推理内容。
MiniMax Research BlogAI 评分5252 MiniMax 详解 MaxProof：用生成式验证器 RL 与进化搜索扩展 M3 数学证明能力
MiniMax 发布技术博客，详解 M3 数学证明能力背后的 MaxProof 框架，并称 M3 借此在 IMO 2025 与 USAMO 2026 上超过人类金牌线。
Ahead of AIAI 评分4949 LLM 研究论文：2026 年清单（1 月至 5 月）
Ahead of AI 整理出 2026 年 1 月至 5 月的 LLM 研究论文精选清单，按模型架构、推理效率与 KV Cache、强化学习与 RLVR、Agent 系统、扩散语言模型等类别编排。清单侧重推理模型、强化学习与高效推理，较 2025 年收录更多 Agent 框架、工具
Berkeley AI ResearchAI 评分4040 Berkeley AI Research 深度解析自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布长文综述并行推理领域进展，重点分析自适应并行推理（Adaptive Parallel Reasoning），让模型自主决定何时分解并行子任务、启动多少并发线程及如何协调。