Greg Brockman@gdbAI 评分5757引用Philip Arathoon@philarathoon
The Maxwell conjecture is false. Counterexample found by AI (GPT-5.6 Sol), communicated by human mathematicians: https://arxiv.org/abs/2607.27197
#论文/研究
- Greg Brockman@gdbAI 评分5757
公众号：腾讯混元精选AI 评分8989 腾讯混元 Hyra 攻克加法组合学 50 年未解难题
腾讯混元上周推出的科研智能体 Hyra，基于本月开源的 Hy3 模型（总参数 295B、激活参数 21B），为加法组合学中悬置半个多世纪的开放问题给出完整答案，证明 2 是该问题指数的上确界。Hyra 先在有限搜索中将最好结果从约 1.14 提高到 1.21，经约 24 小时运行提出核心构造思路，并给出 Lean 4 形式化证明。论文预印本、显式构造和形式化证明均已公开。
推荐理由：构造不再依赖暴力搜索，而是从数学结构入手自主推理，同时给出可形式化证明，让AI在定理型科学问题上从辅助工具转向共同研究者。
IT之家·人工智能AI 评分5252 新研究：AI 对就业市场的真正威胁不是失业，而是让加薪更困难
阿波罗全球管理公司白皮书显示，AI 暴露度最高的岗位自 2023 年起实际工资增速平均下降 6.7%，但未发现对整体就业产生“可检测”影响。低收入劳动者冲击最明显，服务业劳动者收入增速平均下降 24.3%，后 25% 收入群体工资下降 10.7%。
Apple Machine Learning ResearchAI 评分4444 MoMo：通过时空动作分词实现机器人操作中的运动模式控制
机器人操作需根据任务、物体和交互环境调整动作执行方式。MoMo 提出两阶段模仿学习框架，包含时空动作分词器和行为克隆 Transformer，将任务与连续运动模式条件作为输入。在六项真实机器人操作任务中，改变该条件可稳定生成不同执行风格的动作。
Apple Machine Learning ResearchAI 评分4848 降维遇见网络科学：UMAP的kNN图在数据理解中的应用
Apple研究团队展示了UMAP内部kNN图在数据理解中的潜力，该图在原始高维空间编码数据流形。将PageRank、k-core分解和聚类系数等图算法应用于该图，可识别代表性数据点、揭示密集核心与稀疏边缘。在MNIST和Fashion MNIST上的评估表明，这些方法与k-medoids、HDBSCAN等专用方法具有竞争力或互补性。
Microsoft Research@MSFTResearchAI 评分4343
Amazon ScienceAI 评分4343 Amazon 用工业 PID 控制器协调图自监督学习多任务训练
Amazon 提出 ControlG 框架，将图自监督学习（graph SSL）的多目标协调重构为时间分配问题：不再每步混合所有目标的梯度，而是每次只训练一个目标，由工业控制中的 PID 控制器决定下一个该关注哪个目标。
Microsoft Research 博客精选AI 评分6060 Microsoft Research 发布 Echoverse：面向 computer-use agent 的深度可演化训练环境
Microsoft Research 推出 Echoverse，为 computer-use agent 构建了 12 个合成训练世界（10 个深度领域世界和 2 个能力世界），9B 模型训练后在全部环境上平均分从 36.5% 升至 67.1%，与 GPT-5.4（80.7%）相差 14 个点。
推荐理由：原文给出深度世界对比浅层世界的实验数据和可复用的环境构建方法，并开源了四个世界，读者可据此评估训练环境的做法。
Sherwin Wu@sherwinwuAI 评分4848引用Tibo@thsottiauxTurns out GPT-5.6 Sol is actually SoTA on ARC-AGI-3. Just took two setting changes. You just have to allow it to reason and work over multiple context windows with the help of our canonical compaction implementation. https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/
Tencent Hy@TencentHunyuan精选AI 评分7474推荐理由：我认为，这是AI首次真正解决一个悬而未决50年的纯数学问题，虽然定理本身小众，但它证明了AI在定理发现上的潜力，值得数学和AI交叉领域的人认真读。
Tibo@thsottiauxAI 评分4747@ilanbigio 和 @sandersted 的调查和帖子做得非常出色。看起来过程很有趣。 请照顾好你的模型框架，你的模型会感谢你的。
引用Tibo@thsottiauxTurns out GPT-5.6 Sol is actually SoTA on ARC-AGI-3. Just took two setting changes. You just have to allow it to reason and work over multiple context windows with the help of our canonical compaction implementation. https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/
Noam Brown@polynoamialAI 评分4242引用Tibo@thsottiauxTurns out GPT-5.6 Sol is actually SoTA on ARC-AGI-3. Just took two setting changes. You just have to allow it to reason and work over multiple context windows with the help of our canonical compaction implementation. https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/
BAIR：Berkeley AI Research BlogAI 评分5757 K-Search 将 CUDA 内核优化经验迁移至 Apple Silicon MLX，性能接近专家水平
伯克利 Sky Lab 团队基于 K-Search 框架开发了 CUDA 到 MLX 的结构化翻译层，使 AI 驱动的内核搜索能自动将 NVIDIA GPU 上积累数十年的内核优化知识迁移至 Apple Silicon。
LMSYS Blog精选AI 评分6969 Miles 在 Blackwell 架构上实现端到端 MXFP8 与逐 token NVFP4 强化学习方案
Miles 团队在 Blackwell 架构上实现了两种原生低精度强化学习方案：端到端 MXFP8 和 MoE 专家权重的逐 token NVFP4。在 8x B200 上对 Qwen3-30B-A3B 的消融实验中，BF16 与所有五种低精度配置的原始奖励曲线高度重合，且 MXFP8 和 NVFP4 减少了推理时间。
推荐理由：虽然只针对Blackwell，但这份报告把MXFP8和NVFP4在RL里的实现细节讲清楚了，从量化合约到每token缩放都给了可复现配置，做大规模RL训练的能直接上手。
Google Research：Blog精选AI 评分7676 Science One Framework：通过 Chain-of-Evidence 实现可验证的自主科研框架
Google Research 推出 Science One Framework，一个原生构建证据链的自主科研原型，旨在消除模型幻觉，并配套自动化评估协议 CoE Audit。
推荐理由：对自主科研系统而言，可验证性从后置修补变为前置架构，提出的审计方法让生成论文的完整性有了可量化的衡量尺度。
Amazon ScienceAI 评分4949 Amazon 发布 PatientAgentBench：面向患者端医疗 AI 智能体的评测基准
Amazon 推出 PatientAgentBench，一个面向患者端医疗 AI 智能体的可复现评测基准，由临床医生审核、包含 100 多项标准，覆盖临床安全、分诊质量、工作流准确性、任务完成、临床有用性和对话质量六个维度。
BAIR：Berkeley AI Research BlogAI 评分5555 K-Search框架实现CUDA内核向Apple Silicon MLX的自动迁移与优化
Berkeley AI Research发布博客介绍K-Search框架的新进展。该框架基于进化搜索，利用AI优化GPU内核。团队扩展了MLX后端，并开发了一种结构化的CUDA到MLX翻译层，使系统能自动将现有的CUDA内核知识迁移至Apple Silicon芯片，而非从零重建。实验显示，该方法在Apple Silicon上达到接近专家水平的性能，相比原生MLX Attention内核加速比为0.97x，预填充速度最高提升20倍。
Together AI 研究与产品博客AI 评分5555 Together AI 发布 ThunderAgent，程序级调度将 Agent 推理吞吐最高提升 2.5 倍
Together AI 与 Georgia Tech、UIUC、CMU 合作推出 ThunderAgent，一种高吞吐 Agent 推理调度系统，论文被 ICML 2026 接收为 Spotlight。
Simon Willison 博客AI 评分4747 Anthropic 用 Claude Mythos 发现 HAWK 和简化版 AES 的数学缺陷
Anthropic 研究人员使用 Claude Mythos 在 HAWK 和一个简化版 AES 中发现了数学缺陷，但这两项结果对现有计算机系统无实际影响。Mythos Preview 总计运行了 60 小时（API 成本约 10 万美元），主要人工干预是鼓励模型不要放弃并“找到值得发表的东西”。研究公开了包含拼写错误的提示词，展示了如何通过反复激励让模型尝试解决“不可能”的问题。
Apple Machine Learning ResearchAI 评分5555 Apple 为 Siri Expressive Voices 推出内存高效的音频合成架构
Apple 为 Siri Expressive Voices 推出了一种内存高效的音频合成架构，其 detokenizer 在 AMX 上以约 10ms/步运行，峰值内存仅约 21MB。相比此前设备端系统，该架构将 Mean Opinion Score (MOS) 整体提升 +0.28（4.15 vs. 3.87），对话语音提升 +0.42（4.24 vs. 3.82）。
The Decoder：AI NewsAI 评分7878 Anthropic 的 Claude Mythos Preview 模型发现 AES 和 HAWK 加密算法漏洞
Anthropic 的 Claude Mythos Preview 模型在自主多智能体系统中，发现了后量子签名方案 HAWK 的改进攻击，以及简化版 AES-128（7 轮）的新攻击方法。
Anthropic：ResearchAI 评分7979 Anthropic 用 Claude 发现密码学算法缺陷，HAWK 密钥强度减半
Anthropic 研究人员使用 Claude Mythos Preview 在 60 小时内改进了对后量子签名方案 HAWK 的最佳已知攻击，将其有效密钥强度减半。该模型还发现了一种攻击轮数缩减版 AES 的新方法，将攻击速度提升 200-800 倍。两项结果均不直接影响当前生产系统，研究总 API 成本约 10 万美元。
Anthropic@AnthropicAI精选AI 评分6565推荐理由：让 Claude 在真实密码标准中挖出弱点，比论文刷分实在得多，它证明 AI 在安全攻防上能成为研究者的搭档，而不仅仅是工具。
公众号：小红书技术AI 评分5656 小红书 dots 团队提出 Vision-OPD，让多模态大模型“看清细节”
小红书 dots 团队提出 Vision-OPD，一种区域到全局在线自蒸馏框架，让模型无需外部教师或推理工具即可从全图中识别细粒度证据。仅用约 6.2K 条全自动合成数据，Vision-OPD-9B 即在多个细粒度基准上以 79.68 平均分总体第一，超越 Gemini-3.5-Flash、GPT-5.4 等闭源模型，同时保持通用视觉任务表现。
- Greg Brockman@gdbAI 评分5252引用David Turturean@DavidTurturean
Using mostly my voice, I solved one of @EpochAIResearch's FrontierMath Open Problems: finding an explicit presentation of the 2-adic Absolute Galois Group - open for more than forty years, now with a full proof in collaboration with David Roe, the problem's proposer. 🧵 1/n
Redwood Research：BlogAI 评分5656 Redwood Research 提出不可信建议协议，短建议显著提升弱模型表现
Redwood Research 提出不可信建议协议：由可信模型 T 执行所有操作，不可信模型 U 只能通过受限通道发送短建议。在 SWE-bench Verified 上，以 Claude Sonnet 4.6 为 U、Gemini 3.1 Flash Lite 或 gpt-oss-120b 为 T，每条建议限 16 字符即可恢复约 67% 的 T 与 U 之间的性能差距。
Apple Machine Learning ResearchAI 评分4040 Apple 提出 GH-ESD：面向实例级视觉任务的假设驱动错误切片发现方法
Apple 机器学习研究团队提出 GH-ESD（Grounded Hypothesis-Driven Error Slice Discovery），一种针对目标检测与分割等实例级视觉任务的错误切片发现方法。现有方法主要适用于图像级分类，难以捕捉由上下文关系和空间视觉模式导致的实例级失败。GH-ESD 通过基于假设的驱动方式，系统性地发现模型在语义连贯子集上的系统性失效。
BAIR：Berkeley AI Research BlogAI 评分5151 ABBEL：通过信念瓶颈提升LLM长程交互中的摘要学习效率
BAIR提出ABBEL框架，将长程交互中的摘要生成隔离为自然语言信念状态，并通过信念评分进行监督。在CollabBench协作编程测试中，基于重建的信念评分将全上下文模型的性能差距缩小约50%，训练步数减少50%。该方法解决了递归摘要（如Cursor Composer 2.5采用的压缩技术）在有限训练数据下性能下降的问题。
BAIR：Berkeley AI Research BlogAI 评分4343 BAIR 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
BAIR 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。
- Noam Brown@polynoamialAI 评分5555引用Chayanka_42@42_gravity
GPT-5.6 Sol Ultra helped solve a six-year-old open problem in quantum cryptography by generating the construction and main proof ideas through Codex. Human experts refined and verified the result.
Apple Machine Learning ResearchAI 评分5151 Apple 提出 LEAD 方法，破解长程推理中的“不可恢复瓶颈”
Apple 研究发现，大语言模型在长程执行中即使有高层策略也不稳定，极端分解会导致“不可恢复瓶颈”——少数“困难”步骤上的持续错误变得不可逆转。为此提出 Lookahead-Enhanced Atomic Decomposition（LEAD），通过引入短程未来验证与聚合来打破这一瓶颈。该方法在受控算法谜题上验证了有效性。
Anthropic：Research精选AI 评分7373 Anthropic 联合 Andon Labs 发布 Drone-Bench，评估 AI 模型自主操控无人机执行定位追踪任务的能力
Anthropic 与 Andon Labs 合作推出 Drone-Bench，用于测试 AI 模型自主操控四旋翼无人机在室内环境中定位并追踪指定人员的能力。该基准将任务分解为 3D 地图重建、定位、导航、目标检测与跟随五个子任务，并通过软件复现实现快速评估。实验表明，该任务链的难度足以区分不同智能水平的模型，并揭示 AI 在物理世界操控能力上的进步轨迹。
推荐理由：Anthropic首次公开AI端到端控制无人机执行监视任务，Fable 5仅因3D重建瑕疵未能全通。六个月内模型一致性突飞猛进，安全压力比技术潜力更紧迫。
公众号：小红书技术AI 评分4949 小红书等提出 UniNote：统一多模态嵌入模型
小红书、上海交通大学、华中科技大学和北京理工大学联合提出 UniNote，将多模态表示学习与排序能力融合于单一模型。通过两阶段训练（对比 SFT 强化表示 + 强化学习排序优化），UniNote 在单次嵌入传递中实现与两阶段检索-排序范式相当的性能，并大幅降低延迟。
公众号：小红书技术AI 评分4040 UniNote：小红书等提出统一多模态嵌入模型，融合表征与排序
小红书联合上海交大、华中科大、北理工提出 UniNote，将多模态表示学习与排序优化融合于单一嵌入模型，替代传统“Embedder + Reranker”两阶段管道，在单次嵌入传递内实现相当性能并大幅降低延迟。