苹果等提出 Weighted State Souping 提升 SSM 长上下文检索效率
Apple 与哈佛大学研究者的论文提出加权状态汤（weighted state souping）方法，通过学习依赖查询的权重来组合缓存的 SSM 状态编码，被 NeurIPS 2026 PALM 工作坊接收。该方法在多跳文档问答、needle-in-a-haystack 检索、变量追踪和工具使用等长上下文任务上显著提升性能，稀疏变体可将编码成本保持在与上下文长度近常数相关的水平。
#推理
Apple Machine Learning ResearchAI 评分4141 Apple Machine Learning ResearchAI 评分4545 门控机制的重要性：SSM 中的记忆与上下文学习之争
Apple 与哈佛大学的研究人员通过理论与实验分析，门控机制导致 SSM 在训练中先学到“权重内记忆”方案，从而延迟甚至阻止其收敛到正确的上下文学习解，即便架构和记忆容量没有根本限制。SSM 以固定内存和线性计算复杂度著称，但在需要上下文学习和精确检索的任务上仍落后于 Transformer。研究同时发现门控有利于提升对长序列的泛化能力，为理解和改进线性时间模型提供了基础。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 AlphaGenome 2：预测 DNA 变异在特定细胞类型中的影响
Google DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2，可预测 DNA 序列及其变异如何影响数百种人类细胞类型。模型改为条件式架构，在 68 种组织超过 1.07 亿个单细胞图谱上训练，新增 DNA 甲基化预测；在 TenK10K 数据集上识别的因果变异数量约为原模型的两倍（30% vs. 16%）。
推荐理由：原文给出架构改进、TenK10K 对比数字和 API 开放范围，读者可据此评估它对疾病变异研究的实际价值。
IT之家·人工智能AI 评分4747 谷歌 DeepMind 发布 AlphaGenome 2 基因序列模型：识别致病变异能力提升近一倍
谷歌 DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2，可预测 DNA 序列及变异对特定人体细胞类型的影响，将预测粒度从宽泛组织缩小到单个细胞类型与状态。
IT之家·人工智能AI 评分5252 Anthropic 路演材料称 Claude Mythos Preview 3 天完成 AMD MI355X 适配
Anthropic 的 IPO 路演材料披露，Claude Mythos Preview 模型用约 3 天时间摸索出让另一模型在 AMD MI355X GPU 上运行的方法，而传统适配通常需 6 至 12 个月。
IT之家·人工智能AI 评分5555 AI 提升飓风预报精度，美国国家飓风中心表示人类专家仍不可替代
据 Techxplore 报道，美国国家飓风中心（NHC）自 2025 年 6 月下旬在业务中使用 AI 模型，2026 年将谷歌 DeepMind 模型纳入部分路径和强度综合预测辅助系统。
TechCrunch · AIAI 评分7575 PSI 用 Anthropic Fable 5.2 求解 18 年未决的 Aaronson-Ambainis 猜想并探索 AI 科学发现商业化
TechCrunch 报道创业公司 Physical Superintelligence（PSI）成员 David Turturean 借助 Anthropic Fable 5.2 的早期访问权限解决了存在 18 年的量子计算问题 Aaronson-Ambainis 猜想，证明经 Lean 自动形式化验证，Scott Aaronson 表示相信其正确但尚未完全看懂。
Latent SpaceAI 评分6363 Naive-N0.5-Flash 编程评测：宣传的 2,100 tokens/s 在实测中表现如何
Latent Space 作者实测 NaiveAI 的 Naive-N0.5-Flash 编程能力，与 DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash 对比。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Carbon，主打前沿网络安全与长程智能体工作流
Google DeepMind 发布 Gemini 4 Carbon，定位为最强前沿模型，面向网络安全能力与复杂知识工作、软件工程和科学推理中的长程智能体工作流。
推荐理由：Google DeepMind 官方发布 Gemini 4 Carbon，给出基准成绩、定价和获取渠道，可据此判断它适合哪些高难度工作流。
The Verge · AI同事件AI 评分7878 Google 向公众发布 Gemini 4 Carbon，并在 Antigravity 预览 agent “swarm” 功能
Google 将 Gemini 4 Carbon 向公众开放，称其为其“最强模型”，定位复杂多步编码和开放性科学研究等任务，Argon 则仍是多数软件工程和知识工作的理想选择。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon，主打前沿网络安全与长程智能体工作流》
MarkTechPostAI 评分8080 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2：同一模型两种安全等级
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2，两者是同一底层模型，Fable 加分类器拦截高风险网络安全和大部分生物学任务，Mythos 去掉拦截、需通过 Cyber 或 Life Sciences Verification Program 访问。
OpenAI：Alignment 研究博客精选AI 评分7676 OpenAI 研究预训练、RL 与模型生成数据如何影响 CoT 可监测性
OpenAI 发布研究，分析预训练、架构、强化学习和模型生成数据对思维链（CoT）可监测性的影响。研究发现基础模型困惑度下降平滑提升无 CoT 推理能力，RL 即使仅用长度约束和最终答案评分也会提高 CoT 可控性，且 CoT 可控性可通过 SFT 在模型生成数据中传递给下一代模型，表明模型随规模扩大变得更难通过 CoT 监测。
推荐理由：OpenAI 用自家训练管线数据拆解影响 CoT 可监测性的因素，读者可以看到预训练、RL 和模型生成数据各自的作用。
Import AIAI 评分4444 Import AI 480：AI 科学进展、Meta 触觉手套 Tactus，以及自给自足的太空经济
AI 科学初创公司 Physical Superintelligence 的内部研究系统运行非公开的 Anthropic 模型，在运行第三天给出 2008 年提出的 Aaronson-Ambainis 量子计算猜想的完整证明，并通过证明助手 Lean 校验，期间还两次改进结果。
MIT NewsAI 评分4545 MIT 开发 FLEX 平台让机器人通过 LLM 理解自然语言指令的言外之意
MIT 与纽约大学研究者开发了机器人学习平台 FLEX，通过 GPT-4o 将自然语言指令泛化为对用户潜在偏好的理解，相关研究将在 Conference on Robot Learning 发表。
Anthropic：Research精选AI 评分7373 Anthropic 测试 Claude Fable 5.2 端到端设计三款电子设备
Anthropic 与 Diode Computers 合作，让 Claude Fable 5.2 设计扬声器电话、语音助手中枢和手持电子宠物三款设备，模型完成了原理图、PCB 布局、3D 外壳、固件和物料清单，Diode 直接按其设计文件制造的三个原型均可运行。
推荐理由：官方实测记录了 Claude Fable 5.2 从原理图到固件完成三台设备设计的过程与基准分数，读者可以据此评估模型在硬件工程任务上的实际能力。
Artificial Analysis 完整文章AI 评分4545 Artificial Analysis 发布 Endpoint Accuracy Index v11：收紧长上下文置信区间并扩大模型覆盖
Artificial Analysis 推出 Endpoint Accuracy Index v1.1，同时新增 GLM-5.3 Flash 和 Muse Spark Open 的覆盖。
vLLM 官方博客精选AI 评分6868 REINFORCE Zero 论文提出核对齐实现稳定异步 RL，覆盖 DeepSeek-V4.1 与 Kimi K3.1
NVIDIA Research 与 Inferact 发布 REINFORCE Zero 论文，指出 rollout 到 learner 的差距分为平滑变化的权重滞后和波动持续的核不匹配，先对齐核再用无截断的 token 级重要性采样即可稳定训练，无需拒绝门。
推荐理由：论文拆解异步 RL 的两类差距，并给出核对齐加未截断重要性采样的完整配方与开源代码，读者可复现到自家训练流程。
vLLM 官方博客AI 评分5959 vLLM 迁移到 LibTorch Stable ABI：CUDA 构建不再随 PyTorch 升级而重建
vLLM 团队讲解如何把 vLLM CUDA 构建迁移到 LibTorch Stable ABI，自 v0.33.0 起发布 ABI Stable CUDA wheels，使更换 torch wheel 无需重建 vLLM。
Anthropic：ResearchAI 评分5656 Anthropic 论 AI 如何帮助科学家构建可解释的科学模型
Anthropic Research 发文讨论 AI 参与科学建模的三步流程，即构建模型、约束模型和解释模型，并以 1951 年 Hodgkin 和 Huxley 用手摇计算器求解神经元方程的历史为例。文章指出拟合数据不等于理解，AI 系统应借助贝叶斯推断和基于模拟的推断（SBI）返回参数与模型的分布而非单一最优拟合，解释是最难交给 AI 的一步；AI 建模系统目前大多只测试过重新发现已知模型。
Dwarkesh Patel：Podcast & BlogAI 评分6060 Dwarkesh Patel 用 Blood on the Clocktower 构建AI社交欺骗评测，GPT-6 Astra 领先约430 Elo
Dwarkesh Patel 花费约2万美元API额度让多个AI模型对打386局社交欺骗游戏 Blood on the Clocktower，构建了一个评测长线策略与多智能体协作的基准。
Timothy B. Lee：Understanding AIAI 评分6161 Timothy B. Lee 用机器人学的 sim-to-real gap 解释前沿模型能力的锯齿状分布
Understanding AI 作者认为，机器人学中的 sim-to-real gap 概念能解释 AI 能力为何在编程、数学等领域进展惊人而对其他职业影响有限。编程、数学和围棋等任务可被精确模拟，训练技能容易迁移到真实场景，而涉及与人及复杂物理世界互动的白领工作难以模拟，因此他预计 2027 或 2028 年不会出现大规模职业颠覆。
Amazon ScienceAI 评分4545 Amazon 高级应用科学家 Hamed Karimi 获 2026 ECML PKDD 时间检验奖
Amazon 高级应用科学家 Hamed Karimi 与同事凭借 2016 年论文《Linear convergence of gradient and proximal-gradient methods under the Polyak–Łojasiewicz condition》在上月于那不勒斯举办的 ECML PKDD 上获 2026 时间检验奖。
METR：BlogAI 评分7171 METR 复核 Anthropic 2026 年 8 月风险报告的自动化研发章节
METR 发布对 Anthropic 2026 年 8 月风险报告自动化研发章节的独立复核，同意 7 月 15 日模型直接导致灾难性风险较低，但认为公开报告可能低估了当时已出现的 AI 研发加速。
Apple Machine Learning ResearchAI 评分4242 Apple 研究：用学习支持函数加速 RAG 检索（MIPS）
Apple 研究人员在 ICML 2026 论文《Amortizing Maximum Inner Product Search with Learned Support Functions》中提出用小型神经网络加速最大内积搜索（MIPS），以提升 RAG 等检索效率。
Artificial Analysis 完整文章精选AI 评分7171 Thinking Machines 发布 Inkling 2 Small，计划开源权重
Thinking Machines 发布 Inkling 2 Small，Artificial Analysis Intelligence Index 得分 31，较 Inkling Small 提升 18 分，计划以 Apache 2.0 发布权重，若落地将成为中国以外得分最高的开源权重模型。
推荐理由：Artificial Analysis 给出独立跑分与成本细节，读者可对比 Gemini 3.8 Flash 等模型判断其智能体与编码能力定位。
Artificial Analysis 完整文章AI 评分5959 Nanbeige 发布开源推理模型 Nanbeige4.3-33B，Intelligence Index 得分 20
Artificial Analysis 报道，BOSS 直聘旗下 Nanbeige 发布开源权重推理模型 Nanbeige4.3-33B，在 Artificial Analysis Intelligence Index v5 上得 20 分，与 Qwen3.8 27B (xhigh) 持平。
Together AI 研究与产品博客AI 评分4949 Together Compiler：面向 AI 推理的持续编译优化
Together AI 推出 Together Compiler（TKCC），首个利用高吞吐智能体对不同推理工作负载进行持续优化的编译系统。
vLLM 官方博客精选AI 评分7474 vLLM 实现 Kimi K3.1 Pro 的 day-0 支持，覆盖多类硬件
vLLM 官方博客宣布为月之暗面 2.8T 参数（104B 激活）的 Kimi K3.1 Pro 提供 day-0 支持，该开源 MoE 模型具备 1M token 上下文，并在 24 个全注意力层新增 Sparse Attention（DSA）。
推荐理由：原文给出 K3.1 Pro 的 DSA 稀疏注意力细节和多平台 day-0 性能数据，读者可以据此评估长上下文与智能体服务的部署收益。
Google DeepMindAI 评分5858 Google Antigravity 发布 Cheminformatics Skills，药物研发流程从数天缩短至一小时
Google DeepMind 为 Google Antigravity 发布 Cheminformatics Skills，把其变成面向计算与实验化学家的科学工作台。
Ai2 / Allen Institute for AIAI 评分5151 Ai2 发布 StateBench 基准，测试语言模型在长文档中的状态追踪能力
Ai2 推出 StateBench 基准，将长上下文状态追踪按难度分为 r-trivial、aperiodic、soluble、general finite 四级，并评测不同架构模型。
Zyphra ResearchAI 评分5353 Zyphra 发布 ZHA 层级稀疏注意力方法，蒸馏数十亿 token 即可适配预训练模型
Zyphra 提出 Zyphra Hierarchical Attention（ZHA），通过对 KV cache 构建层级树并使用 top-p 路由进行粗到细搜索，实现次二次复杂度的稀疏注意力。
Sakana AI：BlogAI 评分5252 Sakana AI 东京研讨会宣布自研预训练语言模型系列 Sakana Sawara
Sakana AI 于2026年10月26日在东京举办研讨会，宣布启动自有模型预训练，推出从零构建的智能体原生语言模型系列 Sakana Sawara（暂定名）。
OpenRouter：Announcements精选AI 评分6767 OpenRouter 实测 Claude Opus 5.5、Sonnet 5.5 与 Haiku 5.5 该怎么选
OpenRouter 通过 11 个隐藏测试编码任务、Claude Code 修 bug 任务和 GPQA Diamond、τ-bench 等跑分，给出三档 Claude 5.5 的选型建议。
推荐理由：OpenRouter 用同一批隐藏测试实测三档 Claude 5.5 的通过率与成本，结论可迁移到日常选型决策。
Mistral AI精选AI 评分7777 Mistral 开源 Mistral Large 4（Le Chonk）万亿参数多模态模型权重
Mistral 发布 Mistral Large 4（Le Chonk）开放权重，为 1 万亿参数原生多模态模型，在欧洲基础设施上从零训练。
推荐理由：官方放出完整权重与各基准数字，可据此比较该模型在编码、安全与成本效率上的定位，并判断自部署可行性。
OpenRouter：Announcements精选AI 评分6969 OpenRouter 重构提供商路由算法，TTFT 降低 16.9%、429 错误减少 46%
OpenRouter 宣布自创立以来最大的一次路由算法升级，默认路由不再只按输入价格排序，而是综合有效价格、吞吐量、TTFT、限流与错误率、输出质量计算实时 Routing Cost 来分配流量。
推荐理由：OpenRouter 官方详解新路由算法的计分方式，并附上基于 2400 万请求的实验数据，读者可据此评估对自身推理成本与速度的影响。
Google ResearchAI 评分5353 Google Research 提出 sleep 框架让 LLM 在持续学习中保留知识
Google Research 提出面向 LLM 持续学习的 sleep 框架，让模型在活跃交互与离线记忆巩固之间交替，将易失的短期上下文固化为长期参数。
Ai2 / Allen Institute for AIAI 评分6262 Ai2 发布 Old Ideas, Novel Problems 研究与基准，测试 LLM 评判科研想法新颖性的可靠性
Ai2 发布 Old Ideas, Novel Problems 研究及配套基准、数据、代码和自动化构建管线，基于 ICLR 2026 同行评审构建高、低新颖性想法池，测试 LLM 新颖性评审的可靠性。
Redwood Research：BlogAI 评分4444 Redwood Research：为何应加速提升 AI 的概念推理能力
Redwood Research 撰文论证，对齐等重要工作依赖难以直接验证、需非形式先验推理的概念推理能力，AI 社区目前在此投入不足。他们认为这类能力的提升是差异性的——AI R&D 和接管更多依赖可验证任务，因此概念推理进步对安全工作的帮助大于通用能力。其初步工作显示，few-shot 提示和小规模训练可让模型在其概念推理 benchmark 上提前约三到十二个月达到前沿水平。
Anthropic：Research精选AI 评分6969 Anthropic 发布 Claude 加速药物研发的早期进展报告
Anthropic 发布与 BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines、The Column Group 六家机构合作及自研药物发现的进展报告。
推荐理由：官方披露六家药企合作与自研管线的具体实验数字，可据此评估 Claude 在药物研发各环节的实际表现与局限。
vLLM 官方博客AI 评分4949 vLLM 大规模服务 DeepSeek-V4.1-Flash：性能追平 DeepInfer，并扩展至 GB300 NVL72
vLLM 团队演示在单台 NVIDIA GB300 NVL72 机架上，通过 P/D 分离和 Wide-EP 服务 DeepSeek-V4.1-Flash，运行 SemiAnalysis AgentX 达到每 GPU 954K tokens/s（P90 每用户 196 tokens/s），较此前单节点结果提升 7.9 倍，价格为 $38.96 per GPU-hour。