杨立昆新模型 H-JEPA 如何挑战 Agent 与 RSI 的主流叙事
杨立昆提出的世界模型 H-JEPA 采用分层 JEPA，在潜在表征空间预测不同时间跨度的状态，并由高层规划目标、低层细化动作，论文称分层比单纯增加规划步数更有效。
技术方向
推理能力 最新动态
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。
50 条精选近 30 天 44 条共收录 51 条
更新
精选归档 · 第 2 页
钛媒体精选AI 评分4343 华尔街见闻·要闻精选AI 评分4949 微软基于阿里 Qwen 推出决策模型 Microsoft-Decision-1
微软基于 Qwen3.5-9B 后训练推出决策模型 Microsoft-Decision-1，在结构化决策任务中，时延和准确性均超过 LLM 及 Jev 1.13.0 等热门决策模型。微软 Xbox 研究团队已用该模型处理超过 1 万条玩家反馈；微软正在测试其在事件响应、质量控制和科学发现等领域的应用。
南华早报精选AI 评分4747 中国数学家联合成立 Yau Laboratory Alliance，推动 AI 用于数学研究
中国数学家在北京成立 Yau Laboratory Alliance for Mathematics and Artificial Intelligence，推动 AI 融入数学研究。该联盟由菲尔兹奖得主丘成桐牵头，汇集八家机构，目标是建立由 1,000 多名科学家组成的网络，并开发数学专用 AI 模型，用于生成猜想、形式化证明及构建推理过程更易解释的系统。
财联社电报精选AI 评分2424 中信证券：以景气和供给出清应对高利率，跟踪 AI 投资周期拐点
中信证券认为，私人部门投融资需求持续强劲，推动全球长债利率走高；在 AI 投资周期出现拐点前，高利率环境仍是需要应对的常态。弱需求凸显供给出清品种的稀缺性，短期配置建议关注景气品种与供给出清品种，并密切跟踪 AI 投资周期拐点。
The Decoder精选AI 评分3333 Google 的 Gemini 4「Carbon」据称编程表现接近 Anthropic Opus 5.5
Google 正在内部测试 Gemini 4「Carbon」，一名员工称其编程表现可与 Anthropic Opus 5.5 相比，但仍需更多测试。Carbon 近几天已部署到 Google 内部编码平台 Jetski，据称在编程任务上主要优于 Argon；它是否会作为 Argon 更新版推出仍不明确。
Latent Space精选AI 评分3939 TypeSafe/Jev 上线 3 周后估值达 $7.5B，ARR 超过 $100M
TypeSafe 的 Jev 上线 3 周后估值达 $7.5B，ARR 超过 $100M；文中称 Sequoia 泄露其首周 ARR 已突破 $100M。AINews 还盘点了多家厂商推出决策模型的动态，这类模型以结构化答案取代自由文本，Jev 成为行业对照基准。
钛媒体精选AI 评分7171 OpenAI公布722篇数学手稿，AI生成成果引发验证与审查争议
OpenAI公布由一款尚未公开的内部模型撰写的722篇数学手稿，涵盖17个领域的372个成果类别，其中162篇附有主结果的Lean形式化证明。OpenAI称每项成功结果平均消耗相当于ChatGPT Pro思考3小时的算力，但数学家质疑证明是否正确、形式化结果是否对应论文所述命题，以及研究过程能否复现。
钛媒体精选AI 评分6464 OpenAI称内部模型3小时解决四维挂谷问题，722份数学手稿引发验证争议
OpenAI称，一个未公开的内部模型生成了722篇数学手稿，平均每项成果耗时约3小时，其中074号成果族声称解决了四维挂谷集的豪斯多夫维数问题。相关手稿归并为372个成果族，其中235个带有Lean形式化说明；但074号手稿没有Lean形式化，也未经过同行评审。文章指出，数学界面临的关键问题是如何核查这些手稿，而非仅凭模型的说法将其视为已成立的数学结果。
量子位精选AI 评分5858 字节Seed团队研究揭示DeepSeek-V4长上下文检索的相位敏感性
字节Seed团队的研究发现，DeepSeek-V4系列模型的长上下文检索表现会随信息相对于压缩窗口的位置周期性波动，且波动周期与分块 KV Cache 压缩步长对应。
钛媒体精选AI 评分5656 DiffuSpace完成近5亿元融资，刷新扩散语言模型领域融资纪录
扩散智能 DiffuSpace 近期连续完成两轮融资，总额近5亿元，由经纬创投、顺为资本、君联资本联合领投，华为哈勃、地平线等跟投。公司正训练更大参数规模的扩散语言模型，并计划近期发布、开源；其商业化探索聚焦端侧部署和 Coding Agent。
TechCrunch · AI精选AI 评分6363 OpenAI 发布的数学解答尚未达到数学界标准
OpenAI 本周发布了数百项数学难题解答，但数学顾问组的建议显示，这批成果在人类理解和验证方面仍有不足。719 份稿件中只有 10 份公开了模型的思维链，且仅 42% 的证明经过形式化；另一篇论文还指出，OpenAI 对一个源自 Navier-Stokes 方程的问题给出的自然语言证明与 Lean 代码之间存在至少两处差异。
Simon Willison精选AI 评分7070 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版 Le chonk，这是一个 1 trillion parameter、49 billion active parameter 模型，可通过 Mistral API 使用。
The Decoder精选AI 评分8585 OpenAI 在 GitHub 发布 372 个 AI 生成数学证明
OpenAI 发布了 372 个由内部前沿模型生成的数学结果，托管在 GitHub 而非学术期刊，并称每个结果旨在解决开放问题或取得实质进展。这些结果包含主要计算机算法改进和与 Riemann hypothesis 相关的进展，许多证明带有 Lean 形式化，平均每项消耗约三小时的 ChatGPT Pro Thinking compute。
推荐理由：原文呈现了 AI 生成数学证明从产出到审查的流程变化，以及数学界对理解价值的分歧。
量子位精选AI 评分8383 Anthropic 发布 Claude Haiku 5.5，小模型跑分提升并调整价格
Anthropic 发布 Claude Haiku 5.5，文章称其在小模型跑分上超过 DeepSeek V4.1Flash、GLM-5.3-Flash，并逐项赢过 GPT-6 Luna。
推荐理由：原文梳理了 Haiku 5.5 的价格、跑分和迁移改动，可用于评估小模型替换成本。
Simon Willison精选AI 评分8181 Anthropic 发布 Claude Haiku 5.5，价格对齐 GPT-6 Luna
Anthropic 发布新的快速低成本模型 Claude Haiku 5.5，Simon Willison 实测称其在 100,000 tokens 内价格为 $0.10/$0.50，与 GPT-6 Luna 相同。
推荐理由：作者实测了价格、tokenizer 和推理档位，便于比较 Claude Haiku 5.5 与 GPT-6 Luna 的成本差异。
Hugging Face Blog精选AI 评分8282 Hugging Face 介绍 Nemotron 微调后在 IOI 2026 和 IMO 2026 达到金牌水平
Hugging Face 介绍 Nemotron 团队从 Nemotron 3 出发，通过 SFT、RL 和反馈驱动推理，在 IOI 2026 与 IMO 2026 达到金牌水平。
推荐理由：文章同时给出训练数据、推理流程和开源入口，可参考其将基础模型专门化到竞赛任务的方法。
量子位精选AI 评分4444 AI 代码模型为何越来越“不说人话”
量子位讨论 Claude、GPT、Gemini 等 AI 在 Coding 场景中输出黑话化、文言化的问题，认为 Coding 过拟合和 CoT 压缩可能是重要原因。
量子位精选AI 评分8686 OpenAI 公开 722 篇未发布内部模型生成的数学手稿
OpenAI 公开 722 篇数学手稿，全部出自一个尚未发布的内部模型，归成 372 组结果，并上传论文、源码和部分 Lean 证明到 GitHub。材料称这些结果覆盖准黎曼猜想、霍奇猜想、BSD猜想、π的无理性指数、唯一游戏猜想等 17 个方向，模型此前尝试约 4000 个研究问题，平均每项结果消耗约相当于 ChatGPT Pro 思考 3小时。
推荐理由：原文梳理了手稿覆盖范围、核验状态和数学界反应，可帮助理解AI产出数学成果后的同行消化压力。
Microsoft Research精选AI 评分4949 Microsoft Research 访谈：AI 会犯什么错，失败能教会我们什么
Microsoft Research 访谈 Jennifer Neville，讨论评估如何推动 AI 系统性能边界，并揭示传统 benchmark 之外的“意外失败”。Neville 研究交互式领域与结构化数据中的机器学习和 AI，已发表 130 多篇论文、获 10,000 多次引用，并分享当前 AI 系统使用建议。
OpenAI News精选AI 评分5959 OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 公布了一个内部前沿模型在数学开放问题上的新结果。OpenAI 还在 GitHub 分享了 Lean 证明形式化内容和研究细节。