文章与教程

OpenAI近日集中发布近400项AI生成的数学成果，覆盖多个研究方向，但大量论文尚未完成形式化验证。数学家面对的，不只是突破的可能，也是一场规模空前的筛选与复核工作。

尼康宣布，原本获得 Small World in Motion 大赛第一名的显微视频违反了关于生成式 AI 的竞赛规则。事件也促使主办方重新审视参赛规范与评审流程。

亚马逊表示，今后与地方政府谈判数据中心项目时将停止使用保密协议，此举延续了微软今年早些时候的类似做法。对日益反对 AI 基础设施的社区而言，公开谈判只是建立信任的起点，而不是终点。

OpenAI表示，Jasmine Wang、Tomek Korbak和Mikita Balesni被解雇，是因为违反了处理敏感信息的明确政策，而不是因为他们提出人工智能安全担忧。三名研究员则要求公司公开更多调查依据。

TokenRouter 面向 Token 级大模型路由，试图解决多模型异步推理中的步进失同步与批处理延迟问题。其核心思路是“请求中心编程、模型中心执行”，并通过延迟批处理调度提升解码吞吐。

新基准测试不再把规则提前写进提示词，而是让 LLM agent 通过反复交互、试错和反馈掌握陌生游戏。研究显示，完整保留经验、合理设计 agent harness，可能比单纯总结策略更有助于提升表现。

小米MiMo团队发布MiMo-V2.6系列技术报告，围绕更大训练批次、更复杂环境和更强评分器，系统推进多模态模型的强化学习扩展。

TestPrism指出，代码智能体生成测试的真实质量，不能只看它是否通过单一参考实现。研究通过多种有效与无效实现重新定义测试评估，并提出TestHelix改进测试生成流程。

SparseDecoding针对大语言模型解码阶段的两个关键问题提出改进：校准数据与真实生成分布不一致，以及传统稀疏方案对SpMV支持不足。论文通过解码感知剪枝和专用稀疏内核，在A100上实现最高1.48倍端到端解码加速。

当智能体连续执行数小时甚至数天的复杂任务时，人类很难逐条检查其操作记录。新研究提出 EBG，通过行为图谱组织分散证据，帮助监督系统找出值得人工核验的关键决策。

OneSearch-VL提出视觉 grounding 证据图，将单图、多图和视频研究中的视觉定位、外部检索与事实组合连接起来。基于这一框架，研究团队构建了训练数据、强化学习奖励和面向操作的评测基准。

视觉Token往往占据视觉语言模型输入序列的大部分，成为推理成本的重要来源。V-CoLA针对线性注意力架构提出无需训练的压缩方案，在减少Token数量的同时尽量保持模型性能。

SparseEngine 是一个面向稀疏推理重新设计的 LLM 服务引擎，试图解决不同 KV 缓存方法难以接入现有推理框架的问题。论文称，它在多项测试中显著提升了吞吐与解码速度，并支持跨请求的缓存状态管理。

UniWAM 提出一种统一的世界—动作模型，将物理推理、视觉生成和动作预测纳入同一训练框架。它通过融合人类第一视角数据、机器人数据与视觉问答数据，试图提升具身模型在复杂环境中的理解和执行能力。

一项基于 HotpotQA 和 MuSiQue 的研究，比较了问题覆盖、搜索轨迹与重复作答三种评测预算分配方式。结果显示，在相近模型 token 预算下，扩大问题覆盖通常比增加轨迹或重复读取更有效。

Gan Jiang 是一个面向粉末X射线衍射分析的自学习科学智能体，能够在不重新训练语言模型的情况下改进可执行技能。它将物相识别、多相分解和全谱建模连接起来，并用物理证据验证分析结果。

EngramEdit 将条件记忆从单纯的容量扩展机制，推进为可编辑的知识接口。在冻结 Transformer 主干的前提下，它通过协同更新共享 n-gram 嵌入，实现跨表达、跨事实的知识修改，并尽量减少对无关能力的影响。

Self-Retrospection Distillation（SRD）提出“前瞻学习”方法，把智能体完成任务后的轨迹信息，蒸馏为行动前的预测目标。在奖励对比不足、群组奖励完全一致时，它仍能从失败轨迹中提取训练信号。

自我生成问题本应让推理模型持续进步，却可能因无效问题和数学题重复而出现性能崩溃。R-Quest引入有效性与新颖性反馈，让模型学会拒绝坏问题并减少变体重复。

WorldSonus 面向交互式世界模型，将视频转化为可实时生成、可动态控制并具有空间方向感的立体声音。论文报告其实时因子达到 0.41，并在开放域视频到音频任务上展现出较强泛化能力。

一项关于长上下文混合模型的研究发现，滑动窗口注意力和线性注意力在上下文扩展与长度外推上的优势并不相同。研究将差异归因于不同注意力机制形成的“混合位置”偏置，并提出滑窗线性注意力作为改进方案。