跳到正文
  1. Hacker News AI85

    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。

  2. Hacker News AI78

    Standard Kernel 优化使 Intel Gaudi2 推理性能超越 NVIDIA H100

    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。

  3. Hacker News AI78

    SID 团队研究估算 2026 年 LLM 每 15 天生成等于一个公开网页的 token

    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。

  1. Latent Space87

    GPT-6.2 Astra与Sol发布:评测表现优异但初期反馈分歧,6.2 Sol可能成为主力模型

    OpenAI发布GPT-6.2 Astra与Sol两款模型,API价格分别为每百万输入$8/$2、输出$40/$10,均支持1M上下文。Artificial Analysis测试显示Astra在Intelligence Index得62分、Sol与上月Astra打平,任务成本约为其15%;但早期测试者反馈分歧,有人认为模型基本不可用,也有人将其用于自动化工作流。

    推荐理由:在密集评测与早期用户反馈后,给出GPT-6.2 Astra与Sol的成本、基准表现和实际可用性的分层判断。

  2. arXiv · AI63

    arXiv 论文提出语言模型可通过自身推理无梯度重写权重实现自我改进

    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。

  3. The Decoder90

    OpenAI 发布 GPT-6.2 Astra 和 Sol,API 价格更低且部分基准测试有进步

    OpenAI 发布了 GPT-6.2 Astra 和 Sol 两款语言模型,API 价格更低且部分基准测试有进步。Astra 面向专业场景,首次达到 OpenAI“高”AI 自改进阈值;Sol 面向日常使用,在多项任务上以极低价格接近 Astra 的性能。第三方评测显示两者在科学和 3D 设计等任务上得分较高,但法律类基准排名靠后,且编码能力相比前代基本停滞。

    推荐理由:GPT-6.2 Astra 成为首个达到 OpenAI 高自改进阈值的外部模型,文章提供了详细的成本变化与第三方评测结果。

  1. IT之家82

    期权市场预计,英伟达财报发布后市值或出现3350亿美元波动

    路透社报道,期权市场预期英伟达第三季度财报发布后,公司市值波动幅度可能达到3350亿美元,凸显投资者对其前景的不安。

    推荐理由:期权市场预计英伟达财报发布后市值波动或达3350亿美元,凸显投资者对前景的高度关注。

  2. arXiv · ML67

    使用 Claude 复现权重空间编程研究

    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。

  3. arXiv · AI60

    Turing Agent: Agentic Formal Verification for Mathematical Research 提出

    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。

  4. arXiv · AI79

    K2-Horizon 发布六款全开源语言模型

    K2-Horizon 团队发布六款从 0.9B 到 375B-A23B 的全开源语言模型,覆盖推理、编码和智能体任务。团队提出 Mixture-of-Value Attention(MoVA)架构和 Uno 扩散适配器,后者在不使用独立草稿模型的情况下将解码速度提升最高 2.2 倍。

    推荐理由:发布六款开源模型及全量训练数据,提出 MoVA 注意力机制和加速解码的扩散适配器,并披露 10T 合成预训练细节。

  5. arXiv · NLP67

    Nemotron 3.5 Bolt E4B 4GB:面向快速对话智能体的开放高效小语言模型

    NVIDIA 发布了 Nemotron 3.5 Bolt E4B 4GB,这是一个基于 Gemma-4-E4B-it 后训练优化的开放高效小语言模型,专为快速本地语音助手、交互角色及嵌入式端侧场景设计。

    推荐理由:展示了该小模型在21项基准中取得最高平均准确率及最低输出token数,并量化了推理加速指标。

  6. Hacker News LLM84

    Mnemosyne Research 量化 23 个 AI 写作特征:5 个在 7 个模型中普遍存在

    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。

  1. arXiv · ML68

    利用 LLM 解决 AdaBoost 循环问题的计算机辅助反例

    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。

  2. IT之家91

    阿里通义千问发布 2.4 万亿参数旗舰模型 Qwen4-Max,任务成本降低超 60%

    阿里通义千问团队发布新一代旗舰模型 Qwen4-Max,采用 2.4 万亿参数 MoE 架构,原生支持视觉理解并提供 100 万 Token 上下文窗口。该模型在 Work360 行业基准上得分 52.69,较前代提升显著,且同等性能下 Token 消耗减少约 24% 至 35%,单个任务平均费用从 26.58 元降至 11.16 元。

    推荐理由:新旗舰模型在Work360基准上得分提升,任务成本降低近六成,展示了效率与能力的同步优化路径。

  3. Hacker News LLM82

    通过修改 LLM 输出层单行权重停止过度思考

    作者通过修改 </think> 行的输出层权重,在免训练条件下让模型根据隐藏状态判断何时停止思考。在 Qwen3.5-4B 上,该方法在保持准确率的同时减少 54% 的 token 用量;在 DeepSeek V4.1 Flash 763B 上,解决数学题的 token 用量降低 40%,且代理任务的盲评得分最高。

    推荐理由:提供免训练的单行权重修改方法,读者可复用在本地模型以缩短思考时间并节省token。

  1. Hacker News AI77

    Epoch AI 更新:OpenAI 与 Anthropic 的营收增速及其对 AI 发展的启示

    Epoch AI 发布 Gradient Updates 专栏,指出 OpenAI 和 Anthropic 合计营收已达每年 1050 亿美元(由 2025 年的 300 亿美元增长至 2026 年 8 月的 1050 亿美元)。作者认为若前沿 AI 保持每年 3 倍或每两年 10 倍的营收增速,可能在 6 年内达到全球经济的规模,因此密切监控这一“最关键数字”的走向。

    推荐理由:结合两家前沿模型厂商的营收数据,探讨了AI增长轨迹是否正在背离传统技术成熟规律。

  1. 量子位72

    UniPat AI发布湿实验预测基准SPU,前沿模型预测能力仍有限

    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。

  2. 36氪73

    腾讯组织调整:马化腾发出危机信号,姚顺雨推动混元体系重组

    腾讯11月11日司庆后,马化腾内部讲话中强调“不养闲人”,提出50%员工守主业、50%探索AI Native的新布局,引发“裁员50%”误传,后被否认。97年出生的姚顺雨空降腾讯接管混元大模型,通过撤销AI Lab、合并基础模型部、压缩数据冗余、跨部门调配人员,并在一年时间推动Hy4上线,实现参数与性能代际跃升。腾讯同时开启混元多模态团队人员更替与大规模招聘,组织扁平化与“换血型变革”加速推进。

    推荐理由:姚顺雨通过重组混元团队、打破部门墙、推动数据清洗与模型合并,让腾讯AI从落后状态快速产出Hy4并进入可被外部验证的第一梯队。

  3. Google Research85

    Google Research 发布 Antigravity /teamwork 多智能体协作功能及最新科研成果

    Google Research 宣布在 Antigravity 平台开放 /teamwork 多智能体协作功能,并展示了其在数学证明、分子化学发现及代码优化等领域的最新应用成果。

    推荐理由:原文展示了多智能体在数学证明、分子发现和代码迁移中的实际应用,读者可据此评估其在科研和工程领域的可用性。