在泰国、马来西亚、新加坡、印度尼西亚和中国台湾通过 Amazon Bedrock 全球跨区域推理访问 OpenAI GPT 模型
Amazon Bedrock 在新加坡、雅加达、马来西亚、泰国和中国台北等 5 个 AWS 区域提供 OpenAI GPT-6 Sol 与 GPT-6 Luna 的全球跨区域推理，并在新加坡区域提供 GPT-6 Astra。
#推理
#推理
今日 1 条AWS Machine Learning BlogAI 评分5050
The DecoderAI 评分7171 微软计划 2027 年起将自研 Maia AI 芯片扩展至吉瓦级规模
微软计划从 2027 年起将自研 Azure Maia AI 芯片扩展至多吉瓦规模，使其成为各产品线的主力推理系统。目前 Maia 200 已支撑美欧等地的 Microsoft Copilot，年底前将接入 GitHub Copilot 和 Foundry。
The Verge · AIAI 评分7373 微软发布第三代自研 AI 芯片 Maia 300
微软宣布推出第三代自研 AI 芯片 Maia 300，计划将其作为旗下产品和服务的核心 AI 推理系统，预计 2027 年开始投入生产部署。该芯片基于台积电 N2P 工艺与小芯片架构，每兆瓦 token 产出预计比主流 GPU 系统提升 40%，96 卡满配机柜的 token 吞吐量可达 Maia 200 的 7 倍，重点针对长上下文推理和多步骤智能体任务进行优化。
Scientific AmericanAI 评分7171 研究人员借助 AI 发现三维非周期单密铺形状 Chair44
研究者 Ioannis Tsiokos 借助 Anthropic 的 Claude 模型撰写论文并使用 OpenAI 模型搜索验证，发现了名为 Chair44 的三维非周期单密铺形状。该形状能够以无缝且非周期重复的方式填满三维空间，解决了密铺理论中长期的开放性问题。数学界对大量使用大语言模型生成的论文表述反响不一，目前已有数学家跟进完成了人类可读的独立验证证明。
The Decoder精选AI 评分7777 Google DeepMind 的 AlphaProof Nexus 解决数十个未解数学难题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 独立解决数十个未解数学难题，相关研究已发表在《Science》并通过同行评审。该系统破解了 353 个未解 Erdős 问题中的 9 个，证明了 OEIS 的 44 个猜想，并解决了一个代数几何开放问题及改进了极小极大优化已知界限。
推荐理由：系统结合大模型生成与形式化验证语言反复试错，展示了自动化推理在解决长期未解数学猜想上的落地路径。
量子位AI 评分7070 陶哲轩谈数学2.0时代：警惕AI证明泛滥与盲目解题
陶哲轩发文并演讲指出数学正从证明稀缺进入证明泛滥的数学2.0时代，警告盲目优化解题指标会损害学科的长期健康。他强调AI能生成并通过形式化验证不等于人类获得了理解，呼吁建立包含失败结果和算力成本的透明评估机制，并将研究重心转向解释、评审与知识整理。对于学术训练，他认为读博的核心在于培养综合知识与提出好问题的系统能力，同时透露其参与创立的SAIR基金会正推进开放数学模型计划以辅助日常研究。
量子位AI 评分6969 何恺明团队提出视觉原生Harness框架VISTA，助力多模态模型交互推理
何恺明团队提出视觉原生Harness框架VISTA，无需重新训练即可让多模态模型在交互环境中保存原始画面并按需回看、放大细节。该框架包含视觉观测、无损视觉记忆和主动视觉检查三个组件，配合文字笔记管理状态；搭配Claude Opus 5.0通关了ARC-AGI-3全部25个公开游戏，相对人类动作效率得分达到100。
量子位AI 评分6969 华为诺亚方舟与UCL等团队提出Memento 3智能体：以可执行代码世界模型通关ARC-AGI-3游戏
华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3 智能体系统，在不更新大模型权重的情况下以 100 分满分通关 ARC-AGI-3 的 25 款公开游戏，操作次数较人类减少 56%。
科学网AI 评分3434 CCF-天算星座基金正式启动：单个指南经费约20万元
2026年CCF-天算星座基金正式启动申报，单个指南经费在20万元左右，申报截止时间为2026年11月30日。基金共开放7个指南方向，涵盖在轨大模型推理加速、光学遥感及星载SAR在轨智能应用、空间存储系统等技术问题。该基金旨在依托产学研协同机制解决太空计算与在轨AI Infra的基础研究与工程实践难题。
arXiv cs.LGAI 评分4141 轨迹感知策略优化（TAPO）：弥合长程 LLM 强化学习中的状态分布差距
研究人员提出轨迹感知策略优化（TAPO），通过从离线策略梯度中推导状态分布修正并引入强化学习目标，解决长程自回归推演中的状态分布偏移问题。TAPO 采用几何平均估计器降低方差，并结合长度感知动态裁剪防止轨迹过度更新。在 8 个竞赛级基准测试中，TAPO 相比 GRPO 在数学推理和算法编程上分别取得最高 48% 和 12% 的性能提升。
arXiv cs.LGAI 评分4040 广义近端策略优化（GPPO）：从散度视角统一 LLM 强化学习算法
研究人员提出广义近端策略优化（GPPO），从散度视角构建起统一 LLM 强化学习算法的理论框架。该方法基于广义 f-散度信任域理论并引入新型估计器拓扑，将 PPO 以及 DAPO、DPPO、RIPO 等变体统一纳入“散度×估计器”二维设计空间中。在 8 个竞赛级数学与代码评测基准上，表现最佳的 GPPO 实例在数学和代码任务上分别超越标准 GRPO 高达 50% 与 14%，取得 SOTA 性能。
arXiv cs.LGAI 评分3232 跨行为策略优化（CBPO）：通过共享回归目标统一学习离线演示与同/异策略 Rollout
研究者提出跨行为策略优化 CBPO，通过固定参考目标将离线演示以及同策略、异策略 rollouts 统一到单一回归损失中，无需协调独立的 SFT 与 RL 目标或依赖 Critic。
arXiv cs.LGAI 评分3535 TreeHCA：面向多轮 LLM Agent 的后见引导探索与信用分配机制
TreeHCA 将后见引导探索与后见信用分配相结合，用于解决 GRPO 等结果监督方法在多轮 LLM Agent 轨迹中无法区分有效与无效决策的问题。它利用参考答案似然变化重新访问中间历史并采样替代分支构建交互树，通过逆后见重要性校正和归一化树回溯计算轮次级优势。
arXiv cs.LGAI 评分4343 在大规模推理与训练负载中部署 RDMA
字节跳动研发并在参数服务器推理与训练系统中部署了基于硬件 RDMA 的软件通信层 ByteExpress。在生产环境推理中，ByteExpress 相比内核 TCP 分别将平均与 P99 模型参数拉取延迟降低 35.7% 和 43.7%，并降低 10.69% 的总 CPU 使用率。在训练场景下，其将 P99 模型参数推送延迟最多降低 74.0%，且运行时未出现 PFC 暂停。
arXiv cs.LGAI 评分4141 REDaCT：面向大型推理模型的无崩溃遗忘学习框架
研究人员提出面向大型推理模型的推理期遗忘学习框架 REDaCT，在清除遗忘集信息的同时完全避免了推理崩溃。该框架通过二元泄露检测器定位推理链中的泄露语句，并在推理阶段注入离线学习的纠正性嵌入以引导安全推理。实验表明，REDaCT 显著改善了推理保留能力，并同时实现了完美的答案遗忘与接近完美的 CoT 遗忘。
arXiv cs.LGAI 评分4040 Kronecker Product Attention：基于结构化分解的高效 KV 缓存压缩
研究团队提出 Kronecker Product Attention（KPA），将 KV 激活值表示为紧凑矩阵因子的克罗内克积之和，实现最高 10x 的 KV cache 压缩。该方法严格泛化了 TPA，并通过匹配的结构化旋转嵌入消除了类似 MLA 的解耦 RoPE 分支。在相同训练条件下，KPA 在 4 个模型规模和 9 个下游基准上性能达到或超过 MHA、MQA、GQA 与 MLA。
arXiv cs.LGAI 评分3535 用于机器学习应用的代数整数重整化（AIQ）
研究者提出了代数整数格式（AINF）并推出用于大语言模型推理的有损压缩格式代数整数量化（AIQ）。AINF 可直接简化为纯整数运算，实现无误差乘加操作，并支持根据具体用例定制数值特征。实验表明，基于二次代数整数的 AIQ 在相同每参数比特预算下，在多个模型与基准测试中均取得了与行业标准 MX 格式相当的精度。
arXiv cs.AIAI 评分4141 Rollout-Time Intervention：突破策略边界解锁智能体强化学习
研究人员提出 Rollout-Time Intervention（RTI）技术，通过在 rollout 采样期间利用奖励端证据将错误轨迹纠正为成功轨迹，突破大语言模型（LLM）智能体在强化学习中的 on-policy 探索瓶颈。该方法过滤掉分布偏移过大的轨迹以稳定指导策略优化。在 5 个基准测试上的实验表明，RTI 持续优于强化学习基线，相关代码已开源。
arXiv cs.AIAI 评分4444 用于工具集成化学推理的掩码扩散语言智能体 ChemDiffAgent
研究者提出了首个用于工具集成化学推理的掩码扩散语言智能体 ChemDiffAgent，将化学推理重构为在交替推理与工具使用轨迹上的迭代去噪过程。通过包含智能体监督微调和降方差偏好优化的两阶段后训练框架，该方法在涵盖 6 项化学任务的基准测试中比自回归智能体提升约 20%。其 8B 模型表现媲美甚至在部分场景超越了 GPT 5.5 和 Claude Opus 4.7 等前沿大模型，相关代码已开源。
arXiv cs.AIAI 评分4343 BoundaryEvo：面向长链推理蒸馏的能力边界数据-模型协同演化框架
研究者提出了两阶段数据-模型协同演化框架 BoundaryEvo，用于将大模型的长链推理能力蒸馏给小模型。该框架先通过初始蒸馏赋予学生模型基础推理能力，再动态筛选学生未掌握但专家能解决的问题以演化训练数据。
arXiv cs.AIAI 评分3333 AdaC-GRPO：通过自适应课程学习攻克长程视觉数独难题
研究人员提出 AdaC-GRPO 强化学习框架与细粒度基准 FG-Sudoku，用于解决前沿多模态大模型在长程视觉数独任务中因低成功率导致的奖励稀疏问题。该方法通过在线采样准确率动态追踪模型的最近发展区来构建训练批次。
arXiv cs.AIAI 评分3939 面向大语言模型多智能体系统的能力感知编排框架
研究人员提出一种用于大语言模型多智能体系统（MAS）的两阶段能力感知自动编排框架，通过建模基座模型对当前任务的能力来动态调整角色激活与通信图。该方法在 6 个基准测试中取得 93.81% 的平均分。针对高能力基座模型，其将平均准确率从 87.22 提升至 89.97，同时降低 36.26% 的 token 成本；针对低能力基座模型，相比现有方法平均获得 4.58 分的额外提升。
arXiv cs.AIAI 评分3535 DP-MIND：面向百万 token 级长上下文的差分隐私推理框架
研究人员提出 DP-MIND 框架，将差分隐私（DP）推理扩展至百万 token 级别的长上下文场景。该方案在本地扰动输入后按分块处理，利用紧凑内存保留跨序列的任务相关信息，并通过强化学习结合本地去噪模块提升抗噪能力与答案恢复度。在上下文长度达百万 token 级的多个长上下文评测中，DP-MIND 的可扩展性与效用均优于现有基线。
arXiv cs.AIAI 评分3838 VETR：面向符号图形推理的执行落地自改进智能体框架
研究人员提出 VETR 框架，通过可执行世界表征实现符号图形推理的智能体递归自改进。该框架保留对齐的程序与渲染记录，利用执行细化器将运行时的写入与状态变化编译为受约束的替代程序，修复过程无需额外的语言模型调用。
arXiv cs.AIAI 评分3333 SWEAR：通过自评难度实现分段高效音频推理
研究人员提出了面向大音频语言模型的高效推理框架 SWEAR，通过互补的离线评估获取五维难度分数与压缩推理轨迹。该框架在监督微调阶段学习难度信号，并利用强化学习自适应分配各阶段的推理开销。在 MMAU-test-mini 和 MMAR 基准上的实验表明，SWEAR 在提升准确率的同时大幅减少了生成的 token 数量。
arXiv cs.AIAI 评分5050 研究揭示大语言模型安全通路：注意力层识别危害，MLP层执行拒绝
研究团队揭示了大语言模型的内部安全通路机制，证实注意力更新主要负责识别有害信息，而 MLP 更新则主导拒绝响应的写入。在涵盖 Qwen、Llama 和 Gemma 的 18 对模型评测中，后训练显著增强了深层 MLP 的拒绝写入能力，且在推理模型中拒绝写入集中于回答起始阶段。
arXiv cs.AIAI 评分4242 LongHarness：通过状态化证据管理推进 100M-Token 语料上的智能体推理能力
模型无关框架 LongHarness 通过状态化证据管理显式化证据与演进结论的交互，推进超 100M-Token 语料库上的智能体长上下文推理。
arXiv cs.AIAI 评分3838 人机反馈循环中感知信息溯源的信念更新研究
研究提出 LQET 训练方法，使大语言模型能依据证据溯源谱系而非报告数量更新信念。在受控二元基准中，LQET 在千问（Qwen3-4B）与 Phi-4-mini 上将新证据更新 RMSE 降低 41-44%，8 步中继后的对数几率漂移降低 89-91%。该收益在闭环模拟中同样成立，确保模型信念变化取决于新证据而非内容重复次数。
arXiv cs.AIAI 评分3434 MathVis：AI 能通过绘图进行推理吗？数学图表生成评测基准
研究人员推出 MathVis 评测基准，包含 512 个任务，用于评估大语言模型可视化前沿数学问题及图表辅助推理的能力。在严格评测中，GPT-6-Astra、Claude Fable 5 和 Gemini 3.1 Pro Preview 的 pass@1 分数分别为 31.25%、26.56% 和 22.85%。
arXiv cs.AIAI 评分3535 少训多学：基于不确定性引导渐进收缩的高效推理后训练框架
研究人员提出一种基于不确定性引导的渐进收缩框架，通过围绕中间推理状态构建蒙特卡洛推理树揭示过程级不确定性，将监督与优化聚焦在最具学习价值的轨迹上。该框架先将语料收缩为紧凑的教师数据池，再在 SFT 期间根据学生模型状态进行在线路由优化。实验显示该方法仅需全量数据 SFT 0.22% 的优化预算（训练暴露减少超 450x），即可保持甚至提升推理性能。
arXiv cs.AIAI 评分3333 基于模型切片的协同学习与推理
研究人员提出协同学习方法，通过构建异构协作模型并学习跨模型协同机制，解决单一大语言模型容易出现错误传播和推理盲点的问题。该方案利用模型切片在相近参数预算下将大模型拆为较小异构模型，并结合金字塔监督优化推理与交互决策。在多跳问答、数学推理、代码生成及开放式约束生成等任务中，该方法性能媲美或超越原大模型与主流多智能体基线，同时推理效率更高。
arXiv cs.AIAI 评分4242 协同心智理论（CToM）：让 LLM 通过预判用户反馈实现自我修正
研究人员提出协同心智理论（CToM）框架，通过训练大语言模型预判用户回复并据此引导内部自我修正，结合 GRPO 优化多轮协作任务表现与交互效率。在协作数学推理任务中，CToM 相比原生 GRPO 将最终准确率从 74.1% 提升至 79.6%。消融实验显示，增加预测监督使代码任务的用户回复轮数减少 8%，写作任务减少 17%。
arXiv cs.AIAI 评分4343 MagicBeanStalk：通过递归数据合成摆脱 RLVR 的零优势陷阱
研究人员提出递归数据合成算法 MagicBeanStalk，通过自顶向下分解与自底向上递归合成，在保留推理蓝图的同时生成难度校准的训练题目，以解决 RLVR 中约 88% 问题全对或全错导致的零优势陷阱。
arXiv cs.AIAI 评分5656 SpireBench：利用《杀戮尖塔》评估智能体长程策略推理能力的基准测试
研究团队推出评测基准 SpireBench，通过让大语言模型运行完整商业游戏《杀戮尖塔》（Slay the Spire）来评估其长程策略规划能力。在游戏最高难度下测试 20 款大语言模型发现，前沿模型表现可达人类平均水平但远低于专家，且随流程拉长会在局内成长和风险决策上暴露出过度保守的缺陷。测试还通过术语重命名与跨局记忆分析证实，模型部分成绩依赖游戏先验知识，而跨局自写的记忆经常出错且未带来提升。
arXiv stat.MLAI 评分3434 基于分组二次核的离群感知注意力线性化方法 OAL
研究人员提出离群感知注意力线性化方法（OAL），通过将贡献尺度相近的维度分组共享系数并单独处理少数离群维度，构建对序列长度具备线性复杂度的正二次核近似。在 Qwen2.5-0.5B 上，OAL 相比 DiJiang 将冻结注意力输出的相对 MSE 降低约 8.9%。
arXiv stat.MLAI 评分4545 对 LLM 测试期锐化中幂采样的批判性审视
用于 LLM 测试期锐化的幂采样在现实算力下难以收敛至目标分布，其收益大多可通过简单的 Best-of-N 结合适当评分复现。即使通过微调让模型直接拟合目标分布，带来的性能增益也充满噪声且不稳定。幂采样的实际价值不在于精确逼近目标分布，而仅在于提取基座模型已判定为高概率的序列。
The DecoderAI 评分7373 研究显示多智能体团队消耗大量 Token 却难以显著提升输出质量
评估机构 Vals AI 与 Anthropic 的测试显示，多智能体团队的成本是单智能体的 1.8 至 5.1 倍，但在多个基准测试中几乎未带来可衡量的质量提升，主要收益仅为解决速度。
科学网AI 评分4242 《科学》（20261008出版）一周论文导读
《科学》最新一期论文导读涵盖量子计算、AI 形式化数学证明及酶催化等前沿研究。其中，研究团队构建了结合 LLM 与 Lean 的形式化证明搜索智能体，自主攻克了 353 个埃尔德什公开问题中的 9 个，并证明了《整数序列在线百科全书》492 条猜想中的 44 条。此外，物理团队基于中性原子量子处理器实现了保真度达 99.854% 的纠缠受控 Z 门。
The DecoderAI 评分7373 微软推出 Decision-1 决策模型
微软发布基于 Qwen3.5-9B 的决策模型 Decision-1，专用于分类、评估和路由决策，并可用于引导和控制 AI 智能体。官方数据显示该模型在 36 项基准测试中达到 83.5% 准确率与 85 ms 延迟，速度为 H2O-Lightning-4B 的 2.5 倍。
The Decoder精选AI 评分8686 OpenAI 集中发布数百道数学难题手稿，数学界反应剧烈引发学术生态震荡
OpenAI 集中发布 700 多篇声称解决数百个开放数学难题的手稿，在数学界引发广泛震惊与对学科未来的忧虑。多位菲尔兹奖得主指出其成果虽展现出新思路，但论文难以阅读且缺乏同行交流，甚至可能带来破译加密算法的基础设施风险；年轻学者与多位研究人员则表达了课题被强行终结的无力感与学术意义感丧失。
推荐理由：文章汇总了多位学者对海量数学成果的真实反馈，展现出通用大模型跨界攻克未决难题对学术界职业生态造成的现实冲击。