Claude Mythos 5优化量子电路
来自我们的 STEM Fellow 项目的新成果：利用 Claude 设计更高效的量子电路。根据自然语言指令，Claude Mythos 5 设计的量子电路优于已发表的最佳方案，有时提升幅度达一个数量级或更多。更高效的电路
#推理
AnthropicAI 评分3838
IT之家精选AI 评分8080 上海人工智能实验室利用书生-S2大模型攻克三维Ghys猜想
上海人工智能实验室团队依托书生科学多模态大模型 S2（书生-S2），通过人机协同完成了困扰数学界 30 余年的三维 Ghys 猜想证明。北京大学董彬教授、刘若川院士团队利用 SHEAF 框架对证明进行了形式化验证，确认其正确性。
推荐理由：原文展示了大模型在解决困扰学界30年的数学猜想中的具体应用路径及形式化验证结果，为评估AI在基础科学领域的推理能力提供了实证案例。
IT之家AI 评分4545 4 GPU Tesla V100 集群 AI 推理跑赢 2 台 DGX Spark
YouTube 频道 Jun Yamog 测试显示，4 张英伟达 Tesla V100 组成的 NVLink 集群在 Qwen3.8-Flash-Next 基准中，长提示处理速度较 2 台 DGX Spark 快 40%，较 M5 Ultra 快 230%。
The DecoderAI 评分6565 Sakana AI 提出 MASS 方法实现模型自我改进但存在共享盲点
Sakana AI 与 UC Berkeley 推出“多智能体自我监督”（MASS）方法，让单一语言模型通过解决任务、评估结果和优化工作流实现递归自我改进。基于 Qwen3.6-27B 的实验显示，该方法在两轮训练后对基础模型的胜率从 53.9% 提升至 69.9%，但在 Terminal-Bench 2.0 和 SWE-bench Verified 上得分略有下降。
The Decoder精选AI 评分8282 Google DeepMind AlphaProof Nexus 解决数十个开放数学问题并获同行评审
Google DeepMind 的 AlphaProof Nexus 系统独立解决了数十个开放数学问题，相关研究已发表于 Science 并通过同行评审。该系统基于 Gemini 3.1 Pro，利用 Lean 语言进行证明起草与修正，成功破解了 9 个 Erdős 问题（其中两个悬置 56 年）、44 个 OEIS 猜想以及代数几何中的一个开放问题。
推荐理由：原文详述了AlphaProof Nexus在解决开放数学问题上的具体成果及同行评审情况，展示了AI在形式化证明领域的最新进展。
IT之家AI 评分5050 字节 Seed 团队发现 DeepSeek-V4 长上下文性能漂移原因
字节 Seed 团队指出分块 KV 缓存压缩引入的 Token 相位敏感性是 DeepSeek“抽风”主因。该研究评估了 DeepSeek-V4-Flash、V4-Pro 及 V4.1-Flash，发现相同信息在不同相位检索难度差异显著。此类大型开放权重模型长上下文检索准确度在各阶段间相差高达 40 个百分点，平均基准分数可能掩盖周期性弱点。
DeepLearning.AIAI 评分4242 DeepSeek优化智能体记忆缓存
智能体读取多于写入，因此DeepSeek缩减了其记忆内容。请阅读本周《The Batch》中的技术解析。每 token 890 字节缓存，比 DeepSeek-V1 小 437 倍；输入从 4K 到 1M，每输出 token 计算量增加 25%；Flash 胜出
Simon WillisonAI 评分3030 Qwen3.8 27B 英文单词加法基准测试
Qwen3.8-27B-Q4_K_M.gguf 在禁用推理时，将正整数之和以英文单词表达的数字准确率为 23.57%，格式合规率 96.17%。启用 medium reasoning 后，在 169 个案例中正确回答 167 次。该实验由 Simon Willison 基于 Colin Frasier 的 GPT-4o 早期研究，在 DGX Spark 本地硬件上复现。
MIT News · AIAI 评分6868 MIT等机构提出Ataraxos AI系统，以低成本在Stratego游戏中超越顶尖人类玩家
MIT、卡内基梅隆大学等机构的研究人员开发了名为 Ataraxos 的 AI 系统，该系统在 Stratego 游戏中击败了排名最高的人类玩家，这是此前任何 AI 系统都未能实现的成就。
Modal 官方工程博客精选AI 评分6868 Modal 发布 Quail：联合优化查询规划器与推理引擎以加速 AI-SQL
Modal 推出名为 Quail 的推理引擎，专门用于加速 AI-SQL 工作负载，在单张 H100 GPU 上实现超过 10 亿 tokens/min 的处理速度，比 vLLM 基线快 10 倍以上。
推荐理由：原文展示了针对 AI-SQL 负载的专用推理引擎 Quail，通过联合优化查询计划与推理过程实现显著性能提升。
SemiAnalysisAI 评分7070 SemiAnalysis 解析 Engram 架构的 DRAM/SSD 卸载机制与 DeepSeek-V4.1-Flash 实测表现
SemiAnalysis 发布报告深入分析 Engram 模型架构及其参数卸载策略，指出该设计允许将嵌入表从 HBM 移至主机 DRAM 或 SSD，从而释放显存用于 KV cache 并降低硬件需求。
Google ResearchAI 评分3333 Google Research 提出 Retrieve-for-Train 框架加速复杂 AI 搜索
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，利用离线强化学习将查询分解行为编译为轻量级扩散检索器。该方法消除了推理时生成数百个思维链 token 的延迟瓶颈，实现单次高效查询扇出。通过奖励对齐的数据编译，系统能在保持结果多样性与覆盖度的同时，满足生产环境亚秒级响应需求。
SemiAnalysis精选AI 评分8282 SemiAnalysis 实测 Vera Rubin NVL72：智能体推理每美元性能提升 67 倍
SemiAnalysis 发布 Vera Rubin NVL72 在 AgentX 智能体推理基准下的首份验证结果，显示其在特定场景下每美元总拥有成本（TCO）产生的吞吐量约为 GB300 的 67 倍。
推荐理由：基于 AgentX 基准实测 Vera Rubin NVL72，量化其相比 Blackwell 在智能体推理中的能效与成本优势。
SemiAnalysis精选AI 评分8282 SemiAnalysis发布TPUv7 Ironwood第三方推理实测与TorchTPU栈深度解析
SemiAnalysis在InferenceX Preview中发布了Google TPUv7 Ironwood的首批第三方推理结果，显示其在FP8聚合服务模式下相比NVIDIA B200/B300拥有最高50%的性能每美元优势。
推荐理由：第三方实测显示TPUv7在FP8聚合服务下性能每美元比B200高50%，并解析了TorchTPU栈的优化细节。
SemiAnalysis精选AI 评分8383 SemiAnalysis 发布开源智能体推理基准 AgentX 1.0
SemiAnalysis 宣布推出 AgentX 1.0，这是全球首个完全开源的多轮智能体编码推理基准，支持百万级上下文长度，采用 Apache 2.0 协议发布。
推荐理由：SemiAnalysis 发布首个百万上下文智能体编码推理基准 AgentX，并开源了针对 vLLM、SGLang 等框架的数十项上游优化，为评估 AI 硬件在真实多轮长上下文负载下的性能提供了新标准。
Together AI Blog精选AI 评分8282 Together AI 评测 GLM-5.3 与 GPT-5.6 Sol：成本、编码能力与路由策略对比
Together AI 在 DeepSWE 基准上对 GLM-5.3 (max) 和 GPT-5.6 Sol (max) 进行了 904 次 rollout 测试。
推荐理由：通过904次实测对比GLM-5.3与GPT-5.6 Sol在DeepSWE上的成本、通过率及失败模式，揭示了级联路由策略能以更低成本超越单一旗舰模型的性能。
Microsoft ResearchAI 评分3737 MindTopo 基准揭示多模态模型在拓扑推理与规划中的能力差距
Microsoft Research 推出 MindTopo 基准，评估多模态大模型的拓扑推理能力。测试显示模型在静态识别上表现优于交互式规划，但在维持连接、封闭等结构关系时易出错。该发现凸显了 AI 在机器人及交互环境中保持空间一致性的不足。
Anthropic精选AI 评分6565 Anthropic 展示未发布模型在黎曼猜想相关研究中的进展
Anthropic 表示其一个尚未发布的模型在黎曼猜想相关问题上取得了进展，该模型提升了满足黎曼假设的 zeta 函数零点的比例下限。这一结果展示了大语言模型在复杂数学推理任务中的潜在能力，但原文未提供具体的数值细节或技术方法。
推荐理由：官方展示了未发布模型在数学猜想上的具体进展，为评估前沿模型的深层推理能力提供了实证案例。
Modal 官方工程博客AI 评分4444 Modal 与 NYU Shanghai 提出 Multi-token Residual Prediction 加速扩散语言模型
Modal Research 与 NYU Shanghai HeavyBall Research 联合推出 Multi-token Residual Prediction (MRP) 模块，将多 token 预测引入扩散语言模型。
Together AI BlogAI 评分4545 Together AI 在 ICML 2026 展示全栈前沿研究
Together AI 在 ICML 2026 发布九篇论文，覆盖从智能体到 GPU 内核的全栈优化。ThunderAgent 实现最高 3.6× 智能体推理加速，TTT-Discover 用开源 gpt-oss-120b 模型以约 $500 成本超越人类最佳发现。Aurora 自适应推测解码与 Untied Ulysses 支持单节点 5M-token 上下文，共同提升平台效率。
Ai2 / Allen Institute for AIAI 评分3838 Olmo Hybrid 与 Olmo 3 对比：混合模型在语义 token 预测上优于 Transformer
Ai2 实验显示，Olmo Hybrid 在名词、动词等承载意义的 token 上预测优势明显，但在重复输入内容时优势消失。该研究通过对比同为 7B 参数的 Olmo 3 与 Olmo Hybrid，揭示了混合架构在语义理解上的具体强项及注意力机制在精确复现上的不可替代性。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 综述自适应并行推理：从固定结构到模型自主决策
Berkeley AI Research 发布关于自适应并行推理（Adaptive Parallel Reasoning）的综述，指出其旨在解决顺序推理导致的上下文退化与高延迟问题。文章对比了 Self-consistency、ParaThinker 等现有方法，强调核心范式转变在于让模型自主决定何时分解任务及并发线程数，而非依赖外部预设的固定并行结构。