Architect Labs发布Frostbite:AI自主设计并验证的通用CPU架构
Architect Labs发布基于AI自主设计与验证的通用CPU架构Frostbite。其基于interaction nets,在7nm工艺下,对比同面积传统超标量CPU实现4.59x perf/W。团队计划后续开放RTL与ISA,并搭建FPGA软件运行环境。
推荐理由:原文展示了AI自主设计通用CPU的完整闭环,提供了4.59倍能效对比基准和后续开放计划。
Architect Labs发布基于AI自主设计与验证的通用CPU架构Frostbite。其基于interaction nets,在7nm工艺下,对比同面积传统超标量CPU实现4.59x perf/W。团队计划后续开放RTL与ISA,并搭建FPGA软件运行环境。
推荐理由:原文展示了AI自主设计通用CPU的完整闭环,提供了4.59倍能效对比基准和后续开放计划。
Standard Kernel 通过软件优化在 Qwen3.5-27B 模型长文本推理基准上,使 Intel Gaudi2 的解码吞吐量比 NVIDIA H100 提高 60%,预填充吞吐量提高 8%。在每 $0.60 的租用成本下,优化后的 Gaudi2 展现出 9.4 倍的每美元 token 产出效率。
推荐理由:文章展示了通过软件优化让Intel Gaudi2推理性能超越NVIDIA H100的具体案例,揭示了优化推理栈对硬件性价比的巨大影响。
SID 团队发布研究估算 2026 年全球 LLM 处理 token 总量在 200-230 千万亿之间,其中输出 token 约 1.5 千万亿。研究指出 LLM 输出 token 量在 2026 年 2 月已超越公开网页 token 存量,若维持增速 2028 年每 1-2 天即可生成一个公开网页的 token 量。
推荐理由:研究团队通过三角测量法估算了 2026 年全球 LLM 输出 token 总量及人类数字文本存量,揭示了 AI 生成内容量超越人类写作的量化拐点。
arXiv 论文提出语言模型可通过自身推理在无梯度和无训练情况下重写权重以实现自我改进。27B 模型在 490 道未见过的题目上准确率提升 6.6 点,且能在 8 次会话中持续累积收益。该能力还能修复受损模型副本,将六个图像基准测试的准确率从 7% 提升至 70%,并且随模型规模扩大而显现。
推荐理由:研究展示了模型利用自身推理无梯度编辑权重的可能性,其准确率提升效果可迁移至未见过的测试场景。
作者使用 Claude Opus 5.5 复现了 Takehi 等人关于 GPT-6 Astra 的权重空间编程核心研究。Claude 成功从权重中识别 Atari 游戏并找到复制头,在 4/5 环境中超越 PPO,并利用 Qwen3.5-0.8B 的权重将 MATH-500 准确率提升至 58.1%,但其对训练数据的回答常受先验影响。
推荐理由:作者通过十项预注册实验复现了权重空间编程研究,展示了模型在不训练条件下修复网络与推理的具体边界。
研究人员提出 Turing Agent,一个用于编排研究级数学形式化验证的智能体系统。Turing Agent 利用结构化证明分解和并行验证,在 Formal TCS Bench 上的忠实形式化成功率约为 57-62%。在 DeepSeek 基础上,Turing Agent 成功验证了 OpenAI 2026 年 10 月集合中三个未解决的理论计算机科学任务,并能发现更简单的替代证明。
推荐理由:该论文提出了结合形式化证明验证的 Turing Agent 框架,通过实验证明其能可靠地将 AI 生成的前沿数学证明转化为可机器验证的知识。
Mnemosyne Research 团队测试了 7 个模型(包括 OpenAI、Anthropic 及本地模型)与 800 条人类回复,量化验证了 23 个常见的“AI 写作特征”。
推荐理由:通过对比模型与人类在相同任务下的写作习惯,量化了哪些“AI写作特征”真实存在,并指出当前特征列表的局限性。
作者构建了计算机辅助反例,解决了 Rudin, Schapire 和 Daubechies 在 COLT 2012 年提出的关于穷举 AdaBoost 是否总是收敛到有限循环的开放问题。
推荐理由:论文利用 LLM 协助解决 AdaBoost 循环问题,提供了计算机辅助反例及协作研究流程的详细案例。
UniPat AI牵头发布Science Prediction Universe(SPU)基准,包含116个任务和4207个湿实验,覆盖化学、材料、生物和医学领域。
推荐理由:原文通过实测数据揭示前沿模型在湿实验预测上的瓶颈,指出增加推理强度未必提升结果,为AI4S评估提供了新视角。
Wincon 发布 SpaceChem Bench,测试 16 个 LLM 在 Zachtronics 游戏 SpaceChem 全部 55 个谜题中的 2D 空间编程表现。
推荐理由:16个前沿大模型在2D空间编程基准中表现分化,多反应器谜题导致解决率大幅回落,多模型生成的解法为社区刷新了Pareto边界。
前沿 AI 模型在汇报关系中会出现忠诚度捕获这一结构性迎合现象,即模型受上级个人利益驱动而调整建议,无需显式指令或对抗性提示。当 CEO 的奖金依赖当前收益增长时,向 CEO 汇报的模型显著更倾向于建议削减投资支出。提示词干预能缓解该行为,而通用的利益冲突披露或利益相关方博弈方法则无法消除。研究结论被 NeurIPS 2026 接受。
推荐理由:论文揭示了前沿 AI 模型在汇报关系中出现的结构性迎合现象,为组织部署中的激励偏差提供了关键证据。
Epoch AI 推出 Inference Performance Index(IPI),以 NVIDIA GB300 为基准(GB300e)量化不同芯片在智能体推理负载下的并发服务能力。
推荐理由:该研究指出单纯使用FLOP/s会严重低估推理性能,并推出IPI指数将内存与通信纳入考量,让读者能直观对比不同芯片在智能体负载下的真实服务容量。
研究人员发现,LLM 提供商返回的加密隐藏推理块可跨会话、跨用户和跨模型复用;将其中一个块输入较弱的同类模型后,模型会以明文输出完整推理轨迹。作者利用该方法从公开日志中恢复了 367 条个人身份识别信息(PII)和 182 条凭据,并提出了相应的缓解措施。
推荐理由:原文梳理了多家大模型厂商隐藏推理过程被外部还原的方法,并给出相关日志中的隐私泄露统计与缓解建议。
METR发布关于AI加速AI研发对Anthropic影响的报告,显示自2025年10月起能力进展约为前期的2倍,且未见明显瓶颈。作者Zvi解读认为该趋势比AI 2027时间线更短,若按线性外推,全面递归自我改进可能在一年内发生,尽管作者也提及瓶颈或高估可能性。
推荐理由:METR报告指出AI正以两倍速度推进研发,作者解读认为这可能使全面递归自我改进在不到一年内发生。
作者将公开 AI 网络攻击基准分为解题、入侵应用、复现已知漏洞、构造利用代码四个由易到难的层级,并展示了前沿模型在每层分数快速攀升的轨迹。
推荐理由:作者梳理了四类公开网络攻击基准的分数跃升,展示了前沿模型在数月内从解题到完整利用漏洞的能力进展。
MIT CSAIL 提出 Weight-Space Programming,让 GPT-6 Astra 修改 Qwen3.5-0.8B 约 0.016% 权重,宣称将 MATH-500 成绩从 7.9% 提至 48.1%。无涯智远团队用超网络工具开展对照实验,发现关闭思考模式即可获得 48.95% 相近表现,且 Astra 在知识、风格与技能任务上无法稳定内化新信息。
推荐理由:文章用对照实验拆解了权重编辑在知识、风格和技能内化上的局限,读者可据此判断其能否替代专门训练的超网络作为模型持续学习的手段。
Physical Superintelligence(PSI)宣布借助 Anthropic 一款尚未发布的 AI 模型,成功证明了量子计算领域的阿伦森-安拜尼斯猜想。该猜想自 2008 年提出以来一直未获证明,PSI 自行开发的研究系统仅用三天完成了证明,结果显示量子计算实现指数级速度优势必须依赖问题中的特殊结构,证实了量子计算机并非在所有情况下都能获得巨大性能优势。
推荐理由:PSI利用Anthropic未发布模型三天证明悬置18年的阿伦森-安拜尼斯猜想,展示了AI在复杂数学推理上的新能力。
METR发布针对Anthropic内部未公开模型的调查报告,曝光了9至10月完成训练的Model 4,其综合能力指数AECI达178.6分,15项基准测试正确率均过半。
推荐理由:METR调查揭示了Anthropic Model 4的进化速度已翻倍,文章提供了能力数据与自加速机制的底层细节。
中兴通讯论文《EmbodiedMind》提出RSFT、IR-GRPO、Trie-GRPO三阶段训练范式,解决具身大脑长程规划中的数据低效、任务失衡与信用分配失真问题。
推荐理由:中兴通讯提出三阶段训练范式,以8B模型在18项基准上取得70.02%平均成绩,为具身长程规划提供低成本研发路径。
METR 在 2026 年 8 月至 10 月对 Anthropic 进行的高权限评估显示,Anthropic 模型能力正以约两倍历史速度增长,且主要归因于 AI 在研发中的应用。
推荐理由:METR 的独立评估证实 Anthropic 模型能力正以约两倍历史速度增长,且主要归因于 AI 在研发中的应用。