跳到正文
10月27日週二
  1. HuggingFace Daily Papers(社區熱門論文)47

    受約束解碼有害還是有益?重新探討其對大語言模型表現的影響

    研究發現,受約束解碼不會必然損害大語言模型的推理能力,其影響取決於約束類型。在四個模型系列的十一個開源模型上進行的實驗顯示,表面上的性能下降主要源於提示詞及輸出格式不一致,而非解碼器層面的遮罩;有效性約束可提升可靠性,推理約束在限制有益推理軌跡時亦可提高準確度。

  2. HuggingFace Daily Papers(社區熱門論文)46

    Thinking-in-Bets 如何減少 LLM 智能體迎合用戶而修改答案

    Thinking-in-Bets 讓 LLM 智能體在閲讀用戶反饋前記錄已核實的主張、佐證和信心,減少因錯誤質疑而推翻正確工作或作出不必要修改。研究在五個 Gemini 模型及八項基準測試中評估此免訓練方法,發現先記錄主張能減少錯誤反轉;只在智能體不確定時記錄,可降低 token 開銷並修復更多真實錯誤。

  3. 新浪科技77

    OpenAI 宣佈三項科學突破,涉及千禧年難題

    OpenAI 宣佈其模型在數學、電腦科學及物理學取得三項研究成果,涉及局部光滑猜想、指數時間假設(ETH)及量子場論。OpenAI 稱模型證明所有維度的局部光滑猜想並推翻 ETH,相關證明已通過 Lean 驗證;物理成果則涉及量子色動力學及純楊-米爾斯理論的存在性。OpenAI 表示會邀請外部專家牽頭組建小組消化和核驗成果,並將文稿視為原始研究資料,而非定論。

    推薦理由:三項成果橫跨數學、複雜性理論與量子場論,部分證明已以 Lean 形式化驗證;OpenAI 同時將文稿定位為原始研究資料,而非定論。

  4. 新浪科技54

    北京廣播電視台全信創 4K 後期製作網通過驗收,摩爾線程 GPU 支撐系統運行 3312 小時

    北京廣播電視台全信創智能化 4K 超高清後期製作網通過國家廣播電視總局廣播電視規劃院計量檢測中心驗收,核心算力來自摩爾線程全功能 GPU。自2026年6月1日上線至10月15日,系統累計運行3312小時,可用率保持100%,完成節目製作2447部(期),其中4K超高清節目768部(期)。視聽專用模型已基於摩爾線程 MUSA SDK 在國產平台本地部署,支援文稿驅動智能剪輯及橫豎屏智能轉換。

  5. DEV Community74

    GPT-6.1 Terra 能力、參數、定價及模型比較

    GPT-6.1 Terra 是 GPT-6 系列中主打快速視覺推理、精準電腦操作及清晰寫作的模型,支援 1.05M-token 上下文窗口。其最大輸入為 922K tokens、最大輸出為 128K tokens;短上下文標準價格為每 MTok 輸入 $1、輸出 $5,輸入超過 272K tokens 時採用較高的長上下文價格。

  6. 新浪科技76

    OpenAI 宣稱模型反證指數時間假設,並證明所有維度下的掛谷猜想及部分四維量子場論存在性

    OpenAI 於 10 月 26 日宣稱,內部模型反證 ETH、證明所有維度的局部光滑化與掛谷猜想,並建立包括 QCD 在內的部分四維量子場論嚴格存在性證明。局部光滑化與 ETH 的證明已完成 Lean 形式化,ETH 部分將由原假設提出者及其他研究者組織外部審查。物理成果則交由 David Gross 牽頭的團隊整理,AI 生成的原始證明暫未公開。

    推薦理由:文章比較數學、電腦科學與物理成果的公開及審查安排,呈現 AI 生成證明如何進入學界核查和知識整理流程。

  7. 新浪科技82

    OpenAI 公佈數學、計算機科學及物理學三項新發現

    OpenAI 公佈數學、計算機科學及物理學三項新發現,涉及調和分析、計算複雜性理論和量子場論。OpenAI 稱其模型證明瞭所有維度下的局部光滑猜想,並由此解決掛谷猜想和 Stein 限制猜想;另推翻 ETH,並證明包含 QCD 的四維相互作用量子場論存在。

    推薦理由:三項成果分涉調和分析、計算複雜性與量子場論,文章交代 Lean 形式化進度和各自的公開安排,呈現目前的獨立審查狀態。

  8. HuggingFace Daily Papers(社區熱門論文)36

    S3AC:面向 LLM 推理的穩定、選擇性且可擴展的 Actor-Critic 方法

    S3AC 提出一種用於 LLM 長鏈式推理的 Actor-Critic 訓練方法,透過難度感知提示詞採樣,在不依賴分組 rollout 的情況下改善訓練。它結合 token 級優勢估計與提示詞級基線,在 1.5B 至 397B 參數的稠密及混合專家模型上提升分組 rollout 表現,勝過 GRPO-X;在 35B 規模下亦可持續單次 rollout 訓練。

  9. gihyo.jp78

    OpenAI 發佈 GPT-6.1 Terra,強化視覺理解與電腦操作,API 價格減半

    OpenAI 發佈並開始提供 GPT-6.1 Terra,強化視覺推理、電腦操作和文字表達,標準 API 價格為 GPT-5.6 Terra 的一半。在 Agents' Last Exam 中,medium 推理設定較 GPT-5.6 Terra 高 15 分,成本約為三分之一;low 設定下的事實錯答率約為 GPT-5.6 Terra 的三分之一。

    推薦理由:文章以基準結果和定價對照 GPT-6.1 Terra 與 GPT-5.6 Terra,呈現視覺操作和工作任務表現提升時的成本變化。

  10. unwire.hk · 人工智能77

    OpenAI 推出 GPT-6.1 Terra,標準 API 價格較 GPT-5.6 Terra 低 50%

    OpenAI 發佈平衡型 AI 模型 GPT-6.1 Terra,並稱其在視覺推理、電腦操作及編程方面表現提升。其標準 API 價格較 GPT-5.6 Terra 低 50%;每個 token 價格為 GPT-6 Astra 的十分之一,任務處理速度快逾 3 倍。

    推薦理由:多項基準測試同時列出得分與任務成本,並比較 Terra 和 GPT-6.1 Sol、GPT-6 Astra 在複雜編程上的能力差異。

  11. 新浪科技79

    OpenAI 宣佈 AI 模型完成所有維度的局部平滑化猜想證明、ETH 反證及楊-米爾斯存在性證明

    OpenAI 宣佈其 AI 模型完成三項理論成果,涉及所有維度的局部平滑化猜想、ETH 反證,以及量子色動力學和楊-米爾斯理論的存在性證明。局部平滑化猜想可推導出所有維度的卡凱亞猜想及 Stein 限制性猜想;數學與 ETH 的證明材料已完成 Lean 形式化並公開。量子場論相關證明的原始材料暫未公開,將由外部理論物理學家團隊進一步整理和審查。

    推薦理由:文章並列數學、計算複雜性與理論物理三類成果的公開程度及專家審查安排,呈現 AI 生成證明後不同領域的驗證流程。

  12. Redwood Research:Blog45

    為何應加快 AI 的概念推理能力

    Redwood Research 主張加快 AI 概念推理能力,因為對齊等重要工作需要處理缺乏可靠驗證方式的問題。研究團隊認為,概念推理對 AI 研發和商業應用的作用較小,因此專門提升這項能力可能更有利於安全工作。初步測試顯示,提示詞和小規模訓練可令模型在主要概念推理基準上的表現提升,相當於數月前沿 AI 進展。

  13. DEV Community76

    GPT-6.1 Terra:智能體成本重估與模型路由規則

    Shivam Kumar 建議把 GPT-6.1 Terra 設為日常智能體任務的預設模型,複雜編碼和最難推理任務則改用 Sol 或 Astra。

    推薦理由:文章把模型選擇拆成任務路由與推理力度兩個維度,並提出以完成率、錯誤率及每項完成任務成本,檢視 Terra 是否適合作為日常預設模型。

  14. EJ Tech 信報科技 · AI59

    史提芬蕭警告過度依賴 AI 或令專業技能退化

    倫敦國王學院助理教授史提芬蕭指出,即使專家也可能因過度依賴 AI 而令專業技能退化,並建議先自行思考,再向 AI 提問。其研究團隊的 3 項實驗涵蓋 1,372 名參加者及 9,593 次答題紀錄;AI 答錯時,79.8% 仍採納建議,答題準確率為 31.5%,低於不用 AI 時的 45.8%。獎勵或即時回饋有助糾正 AI 錯誤,但未能完全消除「認知投降」現象。

  15. 創業邦63

    王虹、韋東奕等數學家也要被 AI「斬殺」?

    OpenAI 一次發佈 722 篇數學論文,涉及數百項成果,並稱在黎曼猜想等難題上取得重要進展;這些結果尚未經學術界同行審議。文章指出,OpenAI 與 Anthropic 的數學競逐令研究者憂慮既有課題、論文和經費安排受影響。10月11日,丘成桐牽頭成立數學與人工智能實驗室聯盟,聯合八家數學研究機構,準備自主研發數學科學專用模型。

  16. 螞蟻 inclusionAI:HuggingFace 新模型41

    inclusionAI/Ling-3.0-flash-Sante-fp8 發佈 FP8 量化版本

    inclusionAI 發佈醫療專用模型 Ling-3.0-flash-Sante 的 FP8 量化版本 Ling-3.0-flash-Sante-fp8,保留 124B 總參數及每個 token 啟用 5.1B 參數。該模型採用區塊式 FP8 E4M3 量化,訓練上下文長度達 256K tokens;與 BF16 版本相比,評測平均分同為 73.9。模型供研究用途,並非醫療器材。

  17. 阿里雲開發者社區 AI20

    阿里 Qwen3.8 全系列開源,支援多端部署

    阿里通義實驗室宣佈 Qwen3.8 全系列開源,涵蓋 1.5B 至 72B,並公開權重、訓練資料及評估報告。文章稱,模型在 HumanEval 和 MBPP 的程式碼生成準確率達 90%+,原生支援 128K 上下文窗口。Qwen3.8 支援手機至伺服器部署及 HuggingFace Transformers、vLLM、Ollama,私有化部署成本降低近 80%。

  18. 第一財經60

    中興通訊首三季營業收入增長16.2%,算力相關收入佔比升至38%

    中興通訊發布2026年第三季度財報,首三季營業收入1168.4億元,按年增長16.2%;算力相關收入按年增長超過70%,佔整體收入38%。第三季度單季營業收入388.1億元、歸母淨利潤13.1億元,分別按年增長34%和394.5%;首三季歸母淨利潤40.6億元,經營性現金流淨額轉正。公司亦推進「連接+算力」佈局,涵蓋OEX超節點及AIDC整體解決方案。

  19. 新浪科技51

    菲爾茲獎得主鄧煜批評 AI 公司以防蒸餾為由拒絕公開思維鏈

    菲爾茲獎得主鄧煜批評 AI 公司以防蒸餾為由拒絕公開思維鏈,認為公司不應一面蒸餾全人類知識、一面阻止外界瞭解其思維鏈。他提議開源數學模型,讓數學界掌握自己的模型,並按學術規範處理數據使用、思維鏈公開及可追溯性。另有 25 位菲爾茲獎得主作為最初簽署人,於當地時間 9 月 11 日聯合發表聲明,警告 AI 公司與數學共同體出現嚴重錯位,並指出倉促發布的 AI 解答帶來署名及抄襲問題。

  20. DoNews78

    OpenAI 發佈低成本模型 GPT-6.1 Terra

    OpenAI 於 10月27日推出 GPT-6.1 Terra,主打以較低成本完成複雜電腦操作,尤其是需要視覺推理及操作桌面軟件的工作。

    推薦理由:多項基準與定價數據並列比較 GPT-6.1 Terra、前代及同系列模型,呈現其在桌面操作、推理和編碼任務上的表現與成本差異。

  21. DoNews85

    OpenAI 宣佈 AI 模型在數學、電腦科學及物理學取得三項科學突破

    OpenAI 宣佈,其 AI 模型證明所有維度的局部光滑猜想、推翻指數時間假設(ETH),並提出量子場論存在性的嚴格數學證明。數學和電腦科學成果已透過 Lean 形式化驗證並公開證明材料;物理學成果正由專家審查,所有成果仍需學界獨立確認。ETH 被推翻後,研究人員需重新審視多類計算任務的速度提升空間,找到可實現的算法仍需大量後續研究。

    推薦理由:文章分別交代數學與電腦科學成果的 Lean 形式化驗證,以及物理學成果的專家審查安排,呈現三項研究在學界確認上的不同進度。

  22. 新浪科技81

    OpenAI 發佈 GPT-6.1 Terra,具備電腦操作能力,任務速度較 GPT-6 Astra 和 GPT-6.1 Sol 快逾 3 倍

    OpenAI 發佈 GPT-6.1 Terra,這款中端模型結合精細視覺推理、精準電腦操作及更自然的寫作,面向日常辦公任務。模型已向 ChatGPT Plus、Pro、Enterprise 和 Edu 用戶開放,可在 ChatGPT Work 與 Codex 使用;開發者亦可透過 OpenAI API 以 gpt-6.1-terra 調用。

    推薦理由:文章以 Agents'Last Exam、OSWorld 2.1 等基準對照前代及旗艦模型,呈現 Terra 在推理、電腦操作與任務成本上的差異。

  23. 新浪科技85

    OpenAI 宣佈 AI 模型取得數學、電腦科學及物理學三項突破

    OpenAI 表示,其 AI 模型在數學、電腦科學和物理學提出三項成果,包括證明所有維度下的局部光滑猜想、推翻 ETH,以及證明四維空間中某些包含規範場和費米子的相互作用量子場論存在。數學和電腦科學成果已通過 Lean 形式化驗證,證明材料已公開於 GitHub;物理學成果正由諾貝爾物理學獎得主等專家審查。相關成果仍需學術界進一步獨立確認。

    推薦理由:三項成果橫跨調和分析、計算複雜性與量子場論,數學及電腦科學證明已用 Lean 形式化,物理成果則由專家審查。

  24. DEV Community59

    BPE 分詞:提示詞末尾空格令 300 次分類輸出中 41 次出錯

    作者在支援工單分類測試中發現,提示詞末尾的空格令 300 次輸出中有 41 次格式錯誤;移除空格後,錯誤減至 3 次。BPE 通常把空格併入下一個詞的 token,單獨結尾空格會形成模型訓練中少見的邊界,可能引發多餘空格、大小寫錯誤、詞片段或換行。文章建議移除補全提示詞及助手預填內容末尾的空白;無法控制邊界時,可使用 token healing 或受限解碼。

  25. IT之家88

    OpenAI 宣佈 AI 在數學、電腦科學及物理學取得三項研究突破

    OpenAI 宣佈,其 AI 系統在數學、電腦科學及物理學取得三項研究突破,涉及猜想證明、推翻指數時間假設(ETH)及量子場論存在性。數學成果證明所有維度下的局部光滑猜想,並解決掛谷猜想與斯坦因限制猜想;電腦科學成果則提出 ETH 不成立的證明。數學及電腦科學證明已用 Lean 完成形式化驗證並公開,物理學成果涉及千禧年難題中的純楊–米爾斯理論存在性問題,正由專家審查,整體成果仍需學術界獨立確認。

    推薦理由:數學與電腦科學成果已用 Lean 形式化驗證,物理學成果正由專家審查,呈現三項主張目前不同的核驗進度。

  26. IT之家76

    OpenAI 發佈 GPT-6.1 Terra,主打低成本複雜電腦操作

    OpenAI 發佈 GPT-6.1 Terra,主打以較低成本完成複雜電腦操作任務,並提升事實準確性和編程能力。在 Agents’ Last Exam 中,採用中等推理強度時,Terra 得分較 GPT-5.6 Terra 高 15 個百分點,任務成本約為後者三分之一;在最高推理強度下,每項任務成本約為 Claude Opus 5.5 的九分之一。

    推薦理由:多項基準成績、成本與錯誤率對比,呈現 Terra 在桌面操作、視覺推理及編程任務上的表現及適用邊界。

  27. TNW77

    OpenAI 稱內部 AI 模型已反駁指數時間假説

    OpenAI 稱其內部模型於 10 月 16 日反駁了指數時間假説(ETH),並於翌日以 Lean 核驗證明,相關説明及證明已上載 GitHub。由 Russell Impagliazzo、Ramamohan Paturi 及 Ryan Williams 組成的小組將獨立審查結果,並強調參與不等於認可;OpenAI 同意公開該結果的原始數據及資助研究社羣會議。

    推薦理由:ETH 被廣泛用作論證多個領域的問題難以快速求解的依據,報道亦交代專家小組的獨立審查安排,以及參與不代表認可的立場。