北大教授董彬主張數學走出自身領域,與 AI 共同進化
北京大學教授董彬主張數學走出單純證明定理的範疇,與 AI 共同進化,並更多支援科學與工程。他的團隊利用智能體 Pharos 尋找一項有理曲線判據的特徵零代數證明思路,從項目建立到目標獲系統接受約 20 小時,之後由數學合作者理解、重寫、發展論證並核驗。董彬也提醒,學生若直接依賴 AI 完成課業,可能失去自主訓練高階思維的機會。
北京大學教授董彬主張數學走出單純證明定理的範疇,與 AI 共同進化,並更多支援科學與工程。他的團隊利用智能體 Pharos 尋找一項有理曲線判據的特徵零代數證明思路,從項目建立到目標獲系統接受約 20 小時,之後由數學合作者理解、重寫、發展論證並核驗。董彬也提醒,學生若直接依賴 AI 完成課業,可能失去自主訓練高階思維的機會。
CPU 排程只有在推理關鍵路徑上的主機端工作因 CPU 競爭而延誤時,才可能改善 AI 推理表現。在刻意施加 CPU 壓力的單節點 vLLM 測試中,預設排程的 decode 約為 6.6 tok/s,Gthulhu 約為 19.3 tok/s,TTFT 由約 336 ms 降至 126 ms。
GPT-6 Astra 未經訓練便直接修改 Qwen3.5-0.8B 的 0.016% 權重,令其 MATH-500 得分由 7.9% 升至 48.1%。基礎模型有 93.0% 的 MATH-500 答案耗盡 32,768-token 上限,作者認為分數提升主要源於解除循環輸出,讓模型完成原本可能解出的答案。
Control Plane 的指南建議以 OpenAI-compatible 閘道和分層後備鏈,維持 AI 產品在模型供應商故障時的可用性。後備次序為其他區域的同一模型、其他供應商的同等模型,再到自託管開放權重模型;客戶端需處理超時、429、重試及中斷串流,服務則應至少部署於兩個區域。
華為昇騰基於 vLLM Ascend、SGLang 完成 Kimi K3.1 Pro 的 0 Day 推理適配,支援模型在發佈首日部署。適配支援昇騰 Atlas 800 A3、Atlas 900 A3 SuperPod 超節點及昇騰 950 超節點系列,並涵蓋新增稀疏注意力路徑、多模態推理及長上下文所需的算子與框架協同優化。
教育機構可結合多模態大模型、認知圖譜與自適應蘇格拉底式追問引擎,構建涵蓋錯因診斷、啟發答疑、變式訓練及教研反饋的 AI 系統。落地時需處理手寫公式與圖表識別,並透過提示詞工程及輸出護欄限制模型輸出,避免直接洩露答案或產生幻覺。
月之暗面已將 Kimi K3.1 Pro 的模型權重上載至 Hugging Face,正式開放權重。模型採用 MoE,總參數為 2.8 萬億,每次推理啟用其中 1040 億,支援 100 萬 token 上下文及看圖;Artificial Analysis 綜合智能指數為 46.5 分,較 DeepSeek-V4.1-Flash 的 32.6 分高約 14 分。
推薦理由:文章交代授權例外及部署所需硬件,呈現權重開放後商用與自行部署各自面對的實際門檻,方便判斷其適用範圍。
SuperCLUE公佈的2026年11月通用大模型測評中,Gemini-4-Argon以73.62分居總榜首位,Kimi-K3.1-Pro以61.46分排名國內模型第一。共有19個模型參與測評,涵蓋五大任務;Kimi-K3.1-Pro也是本次得分最高的開源模型。
xbill 在單張 Cloud TPU v5e 上實測 Gemma 4 E2B 的 JAX、Rust 與 vLLM 服務方案,並比較 bf16 和 4-bit 推理表現。
ST 將工業 STM32 MCU 的架構和開發環境延伸至汽車應用,並推出 STM32A 汽車 MCU 系列,目標包括機械人及實體 AI 市場。STM32A4 和 STM32A5 支援 ASIL-B,STM32A9 支援 ASIL-D,並支援最高 12MB 記憶體。
Claude 和 GPT 使用時出現「降智」感,可能涉及模型路由、推理強度、對話上下文及帳戶狀態等 7 類原因,文中並整理相應的自查和處理方法。LiveNerf 以同一套 78 道題追蹤 Claude Opus 5.5,至 11 月 3 日的三次評估均判定沒有變化;NerfBench 的 GPT-6.1 Sol 和 GPT-6 Astra 成績亦在正常範圍。
Tomer Tunguz 預計,2027 年 AI 的算力上限約為 80gw,瓶頸將是可供電的 GPU;即使供應增加,GPU 短期租用價格仍由每小時 $3 升至 $12-13。
Latent Space 的 AINews 本期介紹 AI Engineer Shanghai,並分享一篇回顧 Latent Space 發展歷程的獨家專訪。本期亦整理 11/02/2026-11/03/2026 的 AI 新聞,涵蓋 weight-space programming 的複現與爭議,以及模型發佈、評測、Agent 工具、研究和行業政策。
SwarmEvolve 是一個由 LLM 引導、用於數學發現與最佳化的演化搜尋框架。它以數百個小型智能體進行潛在推理,透過 KV cache 傳輸溝通,不會撰寫文字。使用開放權重 Qwen3 8B、14B 和 32B 時,它只需數分鐘便達到其他框架一小時才能取得的分數,並在少數問題上超越 AlphaEvolve 的結果。
騰訊於 2026 年 11 月 4 日發佈 Hy4,為其旗艦語言模型加入視覺理解、圖表分析、視覺數學推理,以及操作命令列工具和圖形介面的能力。騰訊稱 Hy4 的上下文窗口為一百萬 tokens;TechNode 將其描述為 770 billion parameters,文章亦列出其遊戲開發基準較 Preview 提升 19.1%,GameLogic 提升 9.8%。
SambaNova 與 Supermicro 宣佈圍繞 SN50 RDU 合作,Supermicro 將先採購 10,000 顆,用於結合 NVIDIA GPU 與 SambaNova RDU 的分離式推理系統。SN50 於 2026 年 2 月推出;廠商稱其速度是競品的 5 倍、TCO 低 3 倍,這些數字並非獨立測試結果。交付將從 neocloud 和主權雲服務商開始。
對抗式推測解碼透過訓練草稿模型拒絕關鍵推理 token,讓目標模型在較低數值噪音下驗證這些 token,提升長時程智能體的推理準確度。複雜智能體編碼基準測試顯示,此方法不改變目標模型或其輸出分佈,只需訓練託管參數的 0.06% 至 0.28%,即可提高端到端成功率。
CloudOpsBench 這項新開源基準測試顯示,推理是 AI 智能體處理雲端運維任務的主要瓶頸;版本 1.0 涵蓋 AWS 上 45 項由資深 DevOps 工程師設計的任務,沒有模型全部完成。
StackChief整理了 2026 年 LLM 面試的 6 個除錯情境(完整指南共 15 個),示範先列出可能成因、辨別成因的訊號,再決定調整方式。案例涵蓋長提示詞中段資訊被忽略、生產環境輸出截斷、約 2% 結構化回應無法解析、成本翻倍、提示詞快取命中率近乎歸零,以及未部署卻發生行為變化。文章建議先查看停止原因、每次請求成本和快取讀取 token 等訊號,再進行修正。
vLLM 為 Kimi K3.1 Pro 提供 Day-0 支援,涵蓋 NVIDIA GPU、AMD GPU、Google TPU 及 Alibaba T-Head Zhenwu PPU。
Nvidia RTX Spark 筆電在原生 Linux 插電運行 GPT-OSS-120B 時,速度為 13.9 tokens per second,低於 Windows 的 65.4。
新研究測試 AI 模型能否瞭解自己的思維,探討它們是否具備內省能力。內省指人能察覺自身思維過程,哲學家和心理學家對此能力與意識的關係仍有不同看法。
Together AI 推出 Together Compiler(TKCC),在不到 24 小時內令多個開源模型的 TPS 最高提升 2.6x。系統以常駐引擎和分層測量加快實驗,實驗吞吐量較基線智能體 RSI 效能優化系統高 252x。
陶哲軒警告,隨着人類日益把思考和解決問題交給 AI,這種趨勢可能很快在現實世界產生嚴重後果。他指出,數學證明通常可以透過形式化工具驗證,但電網、航空交通管制、藥物研發和晶片設計等領域更複雜,AI 方案即使符合數學模型,也可能不符合現實需求。他主張推動數學研究進入「Math 2.0」,讓 AI 不只協助解題,也增強人類理解問題、識別模型侷限和潛在風險的能力。
LowRAM 提出一種測試時 KV cache 壓縮方法,以低秩分解壓縮鍵,並用小型逐頭網絡根據鍵預測值。該方法將值快取壓縮 4×,效能接近無損;在 262K 上下文及 4× KV 壓縮下,選擇性重建令峯值解碼吞吐量最高提升 5×。結合量化與淘汰後,壓縮率達 26.9×,並保留基準效能的 94.5%。
StartLux、香港大學與南方科技大學的研究者提出 StartLux-Decision,提供單次預測版本 Instant 及按需推理版本 AutoThink,兩者透過統一的選項機率介面輸出決策結果。
文章以 Qwen3.8 27B GGUF 為例,列出 4K 上下文下各量化約需 14.3–30.7 GB VRAM,並説明實際需求還包括 KV cache 和緩衝區。
Sarvam AI 於 2026 年 11 月 3 日發佈開放權重決策模型 Sarvam Prism,基於 Sarvam 105B,透過單次前向計算為預先列出的選項評分。
天數智芯在2026媒體開放日展示天垓300真機實測;第三方今年7月的測試數據顯示,在典型PD分離部署下,其單卡整體端到端吞吐達某國際頂尖GPU的1.05倍。天垓300 IXL144超節點在單個標準機櫃內集成144顆GPU及約10.1TB顯存,每百萬有效Token成本據測算較國際主流方案降低約40%。
文章比較批次與即時 LLM 推理成本,指出 Anthropic、OpenAI 和 Google 的批次價格均為標準價格的 50%,但處理時間可達 24 小時。以每月 100 萬份文件分類為例,文中估算即時處理約 $7,000,批次約 $3,500,每年相差約 $42,000。文章建議將即時互動請求配合提示詞快取,其他可延後的工作則送入批次佇列,並列出排程、重試及結果管理等工程考量。
騰訊混元正式發布新一代大語言模型 Hy4,較 Hy4 preview 擴大預訓練和後訓練規模,並首次加入視覺能力。正式版可結合推理和工具調用處理圖像、複雜圖表及數學視覺任務,並支援命令列和圖形界面操作。Hy4 preview 曾在超過1.45萬次真實世界智能體任務會話評測中,位列 Arena.ai Agent Arena 開放模型第二名、全球綜合榜單第十名。
Kierston 與 KierstonBench 建立城市規模模擬環境及評測基準,16 個語言模型中只有少數前沿模型能完成大部分調查任務。Kierston 模擬約 125,000 名阿倫敦居民的日常活動,並生成電訊、金融、行政及車牌紀錄,模型須透過受限紀錄介面跨來源連結線索。多數模型提出紀錄不支持的身份判定;少數表現較好的模型仍會受常見欺騙影響,沒有模型取代調查人員。
MIT CSAIL 研究讓 GPT-6 Astra 直接編輯 Qwen3.5-0.8B 的局部權重,以減少重複推理並改善答案完成情況。在 50 次前向測試預算下,MATH-500 由 7.9% 升至 48.1%,觸及 Token 上限的回答比例由 93.0% 降至 33.1%;編輯涉及第 15、19 層共 131072 個參數。
Anthropic 發佈開源研究原型 FlashProve,嘗試以密碼學證明讓用戶核驗模型推理輸出是否來自指定權重,而毋須取得模型權重或重新執行模型。以公開 4-bit 權重的 Llama 4 Maverick 測試時,單張 H100 的證明生成吞吐量約為 110 tokens/秒,每個 1,024-token 請求的證明約 19 MB;24 線程 CPU 驗證約需 17 秒。
作者以 GPT-2 small 的結構實作 KV cache;測試生成相同 32 個詞時,總耗時由 9.68 秒降至 0.66 秒,約快 15 倍。
360集團首席科學家潘劍鋒在烏鎮峯會發布元認知模型(MCM)研究成果,提出以「MCM+LLM」推動生成與驗證協同。MCM透過建模任務環境、經驗知識、行動邏輯和狀態變化,為大模型提供認知與驗證支援。相關能力已在360安全產品中落地驗證。
LoCo透過局部偏好學習,教導推理模型何時繼續推理、何時停止,從而縮短輸出並維持或提升數學及程式任務的準確度。在五項數學及三項程式生成基準測試中,LoCo分別將完成長度縮短41.7%–45.4%及23.4%–36.3%,並在所有程式基準測試中取得最佳AUC。
普林斯頓大學 AI 實驗室推出 SSoN,測試 AI 在靜態跨視角條件下的三維空間理解能力;人類準確率為 83.3%,表現最佳的視覺語言模型僅達 39.7%。針對 SSoN 任務進行監督微調後,模型面對未見過的房間場景時,測試準確率幾乎翻倍。
一個自主 Agent 為 AlphaFold 3 按目標設計並迭代調整多序列比對(MSA),提升蛋白質界面預測表現。在涵蓋 1,015 個蛋白質界面的三項基準測試中,Agent 每項均勝過 AF3 預設流程及固定 MSA 配方,平均使用的 MSA 序列比預設流程少 60%。
騰訊混元正式推出 Hy4,強化 Agent 長程任務、視覺理解、推理和電腦操作能力。APPSO 實測中,Hy4 根據《王者榮耀》影片,約 30 分鐘製作出可在網頁遊玩的迷你 MOBA,並完成 Blender 場景及多份辦公文件。Hy4 已在 WorkBuddy 上線,11.4-11.15 限時免費。