#推理
跨栏目找相关项:同一话题的工具、提示词、论文,可能横跨数天甚至数月才凑齐。
#推理
今日 0 条一手 · 工具·提示词·论文 三栏速览
每栏 6 / 6 · 直达分类页查看全部
提示词
6 条当用户的某个意图（如last_intent）尚未处理完成时，自动提示用户并继续处理该业务。
写作cloud.baidu.com为电商平台机器人客服提供开场白、常见问题回复和结束语的话术模板参考。
写作insight.xiaoduoai.com智能客服机器人与访客互动的对话模板（欢迎新访客、欢迎回头客、显示常见问题等）。
写作zhuanlan.zhihu.com服装加工合同模板，含甲乙双方信息及加工委托条款
写作xiaobaogong.com用于合同审查场景，让大模型扮演特定行业、特定立场的合同审查专家，平衡利益与风险。
研究blog.csdn.net帮助分析患者症状，提供可能的诊断方向和建议，适用于初步诊断筛查。
研究cgwgpts.com
论文
6 条Mistral AI精选AI 评分8585 Mistral 发布 Mistral Large 4 公开预览：1 万亿参数原生多模态模型
Mistral 发布 Mistral Large 4（昵称 le Chonk）公开预览 API，模型为 1 万亿总参数、490 亿激活参数的原生多模态模型，权重计划本月底开源，由 Mistral 欧洲自建数据中心用 3,800 张 NVIDIA Grace Blackwell GPU 训练。
推荐理由：1 万亿参数原生多模态模型公开预览并在网络安全、编码与视觉任务上对标开源前沿，可作为开源权重模型能力上限的参考基线。
OpenAI NewsAI 评分2121 初创公司 GPT-6 模型选择与使用指南
OpenAI 发布 GPT-6 模型家族使用指南，帮助初创公司学习如何选择合适的 GPT-6 模型、调优推理努力、改进提示词和技能、协调工具以及准备生产工作流。指南涵盖模型选择策略、推理优化技巧和技能配置方法，为企业部署 AI 应用提供实践指导。
NVIDIA Blog精选AI 评分7070 NVIDIA DGX Spark 推出 64GB 内存配置
NVIDIA 宣布 DGX Spark 新增 64GB 统一内存配置，将于 10 月 23 日从 Acer、ASUS、Dell、Gigabyte、HP、MSI 等合作厂商开售，起售价 $4,999。
推荐理由：原文给出了 64GB 型号的具体价格（$4,999）、上市时间（10月23日）和性能数据（两台集群 1.7x 提升），读者可以据此判断这个新配置是否适合自己。
NVIDIA Blog精选AI 评分7171 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 基于 NVIDIA Blackwell GPU 提供推理加速，最高可达标准模式的 8 倍 token 生成速度。该模式已在 OpenAI API 和符合条件的 ChatGPT Work、Codex 用户中开放，可缩短编码 Agent 的编辑-测试-调试周期。
推荐理由：原文给出了能力提升数据和开放入口，读者可以判断 Ultrafast 模式如何改变编码 Agent 的工作流。
AWS Machine Learning BlogAI 评分4646 uniopen 如何基于 Amazon Nova 2 Lite 定制零售内容审核策略
uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 进行监督微调，以适配其零售内容审核策略。该策略按9个行为类别和3类主体（品牌/其他/禁止）进行双维度分类。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google 发布新前沿模型 Gemini 4 Argon，在复杂软件工程、企业知识工作和网络安全防御方面达到前沿性能。上下文窗口扩展至 100 万 token，定价为输入每百万 token 2 美元、输出 10 美元。该模型通过 Fairwind Program 向部分受信任的网络防御者提供，并将在不久后向付费 API 客户和 Google AI Ultra 订阅用户开放。
推荐理由：原文给出了具体的能力变化和性能数据，读者可以据此判断这个模型的能力水平和应用场景。
AWS Machine Learning Blog精选AI 评分7373 GPT-6.1 Sol 在 Amazon Bedrock 全面可用
GPT-6.1 Sol 现已在 Amazon Bedrock 全面可用，将更强的推理能力带入编码、计算机使用和专业工作负载。根据 OpenAI 的数据，该模型在 DeepSWE v1.1 上与 GPT-6 Astra 性能相当，但任务成本降低约五分之一；相比 GPT-6 Sol 最高分提升 6.4 个百分点。用户可通过 Amazon Bedrock 控制台或 API 接入使用。
推荐理由：原文给出了与前代版本的成本和性能对比数据，读者可以据此判断新模型是否值得在生产环境中切换。
Hugging Face Blog精选AI 评分7676 NVIDIA 发布 Kumo Tabular 表格预测基础模型
NVIDIA 发布 Kumo Tabular，这是一个开源的表格预测基础模型，可对标注过的表格数据进行分类和回归预测，无需训练、调优或特征工程。
推荐理由：该模型在四个表格预测基准测试中排名第一，性能优于调优后的梯度提升树和最新的表格基础模型，并提供三种参数规模供选择，可供读者判断其对现有机器学习工作流的潜在影响。
AWS Machine Learning Blog精选AI 评分8080 Grok 4.7 在 Amazon Bedrock 上可用
xAI 的 Grok 4.7 现已在 Amazon Bedrock 上线，支持 50 万 token 上下文窗口和低/中/高/xhigh 四档可配置推理 effort。该模型定位为 xAI 最强的编码和知识工作模型，强调在困难任务上工作更久并更仔细地自我验证，支持 Responses、Chat Completions 和 Converse API，可通过跨区域推理配置文件路由。
推荐理由：提供了模型在 Bedrock 上的具体接入方式、API 接口和定价策略，读者可据此评估集成成本和工作流适配性。
AWS Machine Learning BlogAI 评分4949 使用 EFA 和 DeepEP 在 Amazon EKS 上扩展 MoE 强化学习训练，吞吐量提升 40%
AWS 展示了在 Amazon EKS 上使用 Elastic Fabric Adapter (EFA) 和 DeepEP 扩展混合专家（MoE）模型强化学习训练的架构，实现 40% 吞吐量提升。
Hugging Face BlogAI 评分5151 Liquid AI 发布 LFM2.5-VL-DSpark 加速视觉语言模型推理
Liquid AI 发布 LFM2.5-VL-3B 的 DSpark 草案模型，采用投机解码在设备端实现最高 3.13x、H100 GPU 实现 2.66x 的解码加速，end-to-end 提升分别达 2.62x 和 2.27x。草案模型仅增加 280M 参数（占原模型 8.9%），首批支持 llama.cpp、MLX-VLM 和 SGLang 三大推理框架。
OpenAI NewsAI 评分4444 GPT-6 如何改进提示词缓存
GPT-6 改进了提示词缓存机制，提供更高的缓存命中率、新的诊断工具、显式断点和成本控制功能。这些改进可降低推理延迟和使用成本。
AWS Machine Learning Blog精选AI 评分7272 GPT-6 Sol 和 GPT-6 Luna 现已在 Amazon Bedrock 正式可用
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 现已在 Amazon Bedrock 正式可用。GPT-6 Sol 面向复杂推理和编码任务，GPT-6 Luna 面向大规模重复性任务如信息提取和分类。
推荐理由：原文给出了 GPT-6 Sol 和 Luna 的定位差异、价格对比 GPT-5.6 更低、提示词缓存功能，读者可以据此规划自己的模型使用策略。
AWS Machine Learning Blog精选AI 评分7272 Claude Opus 5.5 现已在 AWS 上可用
Anthropic 最强 Opus 模型 Claude Opus 5.5 现已在 Amazon Bedrock 和 Claude Platform on AWS 可用，这是 Claude 5.5 家族的首个模型。
推荐理由：原文给出了相比 Opus 5 的 token 效率提升、价格下降和安全分类器改进，读者可以据此判断是否值得切换。
OpenAI NewsAI 评分1717 GPT‑6 Astra 将研究时间和成本减半
GPT‑6 Astra 帮助 Parallel 的 AI 智能体将劳动力市场数据的研究与合成时间缩短一半，成本降低一半。相比之前的模型，效率提升一倍。
NVIDIA Blog精选AI 评分6767 NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首次亮相中实现领先性能
NVIDIA Vera Rubin NVL72 系统首次提交 MLPerf Inference v6.1 预览测试，在 Qwen3-VL 基准上提供高达 3.7 倍于 GB300 NVL72 的吞吐量，在 DeepSeek-R1 上达到 2.5 倍。GB300 NVL72 在 288-GPU 四机架扩展测试中实现 99% 扩展效率，软件优化相比 v6.0 提升高达 1.6 倍性能。
推荐理由：给出了具体的性能倍数和扩展效率数据，读者可以据此评估新硬件对推理工作负载的实际价值。
OpenAI NewsAI 评分2626 OpenAI 经济研究揭示工人如何解锁 AI 新工作方式
OpenAI 经济研究显示，工人正在超越传统角色使用 AI，并探索哪些新活动成为重复性工作的一部分。该研究旨在量化 AI 如何改变工作方式和职业生态。
NVIDIA Blog精选AI 评分6363 NVIDIA CEO 黄仁勋在 Dreamforce 大会上宣布 Salesforce 推出首个 CRM 推理模型 Koa
Salesforce 推出首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 构建，使用近 30 年企业 CRM 部署的专有合成数据集进行后训练。
推荐理由：Koa 是首个 CRM 推理模型，在 CRM 基准测试中错误率降低 3 倍，且完全在 Salesforce 基础设施内运行、不使用客户数据，这对企业 AI 应用有参考价值。
NVIDIA BlogAI 评分5353 NVIDIA Vera Rubin NVL72 在 AI Infra Summit 展示能效突破
NVIDIA 在 AI Infra Summit 公布 Vera Rubin NVL72 系统性能数据：在 MLPerf Inference v6.1 中相比 GB300 提升 3.7x 吞吐量，在 SemiAnalysis AgentX 上实现 30x 每兆瓦吞吐量。
Hugging Face BlogAI 评分5858 智能体任务通过了？下次还能通过吗？
IBM Research 在 Hugging Face Blog 发布研究，提出 AI 智能体存在一致性差距问题：ReAct 智能体在 AppWorld 上平均成功率 77.4%，但同一任务重复 5 次全部通过仅 53.0%，差距达 24.4 个百分点。
OpenAI NewsAI 评分4444 GPT-6 Astra 发布：面向工作场景的下一代智能模型
OpenAI 发布 GPT-6 Astra，这是其面向商业应用的最强模型，具备高级推理和计算机使用能力，同时在写作和设计判断力方面有显著提升。
OpenAI NewsAI 评分4242 OpenAI 给出 Navier-Stokes 千年奖问题的 AI 解决方案
OpenAI 发布了 Navier-Stokes 千年奖问题的 AI 生成解决方案，包含一份技术报告和 Lean 形式化证明。Navier-Stokes 方程 existence and smoothness 是 Clay 数学研究所设立的七大千年奖问题之一，目前仍未被证明或证伪。
Hugging Face Blog精选AI 评分6363 NeoMME：高效的多模态原生多语言编码器
Hugging Face发布NeoMME，一个包含260M和800M参数的多语言多模态编码器系列。该模型不使用独立的预训练视觉塔或因果语言模型，而是用单一双向Transformer处理文本token和原始图像patch，通过masked discrete-diffusion目标从头训练。
推荐理由：该模型展示了单一Transformer处理多模态的架构创新，在ViDoRe v3基准测试中以更小参数达到接近最优的nDCG@10，读者可了解新的多模态编码器设计思路。
Hugging Face Blog精选AI 评分7777 如何使用 GRPO 微调 LFM2.5-350M 提升结构化输出能力
本教程展示如何使用 TRL 库的 GRPO 方法微调 LFM2.5-350M 以提升结构化输出能力。实验使用约 500 个样本训练 100 步，在 IFStruct 基准上的准确率从 22.6% 提升至 29.7%（JSON 格式提升 13.9 个百分点），所需资源仅需免费层 Colab 或 Kaggle GPU。
推荐理由：原文给出了具体的方法论（GRPO + 奖励函数设计）和可量化的性能提升，读者可以据此判断轻量微调是否适合自己的结构化输出场景。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber
Google DeepMind发布Gemini 3.8 Flash和3.8 Flash Cyber两款新模型。3.8 Flash在DeepSWE v1.1基准上超越多数更大规模的frontier模型，在HLE-Verified上达54.9%，价格为每百万输入token 0.75美元、输出token 3.75美元。
推荐理由：原文给出了在软件工程、Agent任务和多步推理方面的具体性能提升数据和成本对比，读者可据此判断模型能力变化。
Hugging Face BlogAI 评分5151 BenchMIRT：LLM benchmark 实际在测量什么
Allen AI 发布 BenchMIRT 方法，通过多维项目反应理论分析 benchmark 内部每个问题的真实测量维度。在 100 个开源模型和 16 个 benchmark（含 MMLU-Pro、GPQA、HarmBench 等）上的训练表明，模型能独立发现安全性和推理两个主导维度。
Google ResearchAI 评分4848 Google 发布 GlucoFM：用于连续血糖监测的基础模型
Google 推出 GlucoFM，一种自监督双流基础模型，可将缓慢血糖趋势与短期偏离分离，在 14 项队列-任务评估中平均 PR-AUC 较最佳 GluFormer 变体提升 5.8 个百分点。
Google DeepMind精选AI 评分7474 Google 发布 Gemini 3.5 Transcribe 语音转文字模型
Google 发布 Gemini 3.5 Transcribe语音转文字模型，支持实时流式和预录制音频两种模式，通过 Gemini API (Google AI Studio) 和 Enterprise Agent Platform 提供。
推荐理由：给出了具体的 WER 数值和延迟改善比例，读者可以直接对比评估它的实际性能。
Hugging Face BlogAI 评分5050 Granite 4.2 推理模型如何构建
IBM 发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个规模，从 Granite-4.1 基模型后训练而来。Granite-4.1 使用约 15T tokens 预训练，五阶段策略扩展至 512K 上下文。
Mistral AI精选AI 评分6565 Mistral 与 HUMAIN 达成战略合作，推动沙特及中东地区主权 AI 发展
Mistral 与 HUMAIN 宣布战略合作，合作金额达数亿欧元。双方将在 AI 基础设施、先进模型开发和 AI 解决方案部署方面合作，初始重点领域包括网络安全和语音，并计划开发在阿拉伯语方面表现优异的前沿模型。合作旨在满足主权 AI 需求，确保数据、推理和运营在客户控制范围内，主要面向金融、制造、电信、网络安全和公共部门等受监管行业。
推荐理由：这是 AI 基础设施和主权 AI 领域的跨国合作案例，读者可以据此了解欧洲 AI 公司在中东的布局策略和主权 AI 的具体落地模式。
Google ResearchAI 评分4848 Google Research 如何用 ME-POIs 框架让语言模型更深入理解地点
Google Research 推出 Mobility-Embedded POIs 框架，通过将聚合匿名移动模式（如到达时间、停留时长）融入地点的文本表征，解决传统语言模型仅依赖静态元数据的问题。该方法在意图预测、价格分类和繁忙度估计上分别实现 81.9%、75.1% 和 24.7% 的相对提升。框架采用访问对齐、空间多尺度传播和文本-移动协同三步流程，有效缓解了中小商户数据稀疏的"长尾"难题。
Hugging Face Blog精选AI 评分6565 Liquid AI 发布 LFM2.5-DSpark 草稿模型，最高实现 3.2 倍推理加速
Liquid AI 发布 LFM2.5 系列的 DSpark 草稿模型检查点，包括 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 三款。
推荐理由：给出了在 H100 和 MacBook M4 Max 上的具体加速数字，以及 llama.cpp 和 SGLang 的集成方式，读者可以据此判断迁移成本和预期收益。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 3.7 Flash
Google DeepMind 推出 Gemini 3.7 Flash，这是其面向编码和智能体任务的工作主力模型。该模型在软件工程任务中实现显著提升，FrontierCode 1.1 Main 得分从 34.4% 提升至 43.6%，DeepSWE v1.1 从 49.0% 提升至 65.3%。
推荐理由：原文给出了性能基准提升和价格信息，读者可以据此判断新模型是否值得在生产环境中使用。
Microsoft Research精选AI 评分6969 MindTopo 揭示多模态大语言模型的拓扑推理能力
Microsoft Research 发布 MindTopo 基准测试，用于评估多模态大语言模型对拓扑属性的理解能力，包括连通性、包围、顺序、分离和打结。测试分为静态推理和交互式规划两类任务。
推荐理由：该研究提出了一个评估拓扑推理的新基准，揭示了当前多模态模型在静态识别和交互规划任务上的显著差距，为机器人学和交互式 AI 系统的发展提供了诊断工具。
Google Research精选AI 评分7070 空架子还是丢失的钥匙？召回成为大语言模型参数化事实性的瓶颈
Google Research 发布新研究，引入知识分析框架区分编码失败和召回失败，分析了 Gemini-3、GPT-5 等前沿模型发现：编码率已达95-98%饱和，但直接召回仍失败26-34%的事实，即使启用思考仍失败11-12%。研究表明事实性错误主要源于知识可访问性问题而非知识缺失，思考能力可恢复约40-65%已编码但无法直接回忆的知识。
推荐理由：原文给出了编码vs召回的新分析框架和量化数据，读者可以据此理解前沿模型的事实性瓶颈已从知识获取转向知识利用。
Mistral AI精选AI 评分6868 Mistral 推出区域推理端点、优先层级和欧洲主权 AI 基础设施
Mistral 宣布 Mistral Regional Endpoints 正式可用，客户可选择在欧洲或美国运行推理；Mistral Priority Tier 进入公开预览，为关键任务负载提供 SLA 保障。
推荐理由：原文给出了区域推理控制和开放模型支持的具体能力变化，读者可以据此判断它如何满足数据驻留与合规需求。
Hugging Face Blog精选AI 评分6565 如何让知识蒸馏便宜到足以大规模运行
知识蒸馏需要同时加载教师和学生模型，显存需求极高。论文提出两种系统改进：缓存教师模型的 top-100 logits 避免其常驻内存，以及新的分块 KL 散度损失函数避免实例化完整的词汇表×序列长度矩阵。
推荐理由：给出了具体的显存峰值对比数据，读者可以据此判断该方法对自己硬件条件下的可行性。
Hugging Face Blog精选AI 评分7575 Meta 发布 Muse Glimmer：30B 参数本地代理多模态模型
Meta 发布 Muse Glimmer，这是一款 30B 参数的多模态模型，从 Muse 蒸馏而来，采用 Apache 2.0 许可证开源，专为本地代理场景设计，支持图像、视频和代码处理。
推荐理由：原文给出了模型架构细节、benchmark 对比和工具链支持，读者可以了解这个 30B 参数的多模态模型在本地代理场景下的能力定位。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能控制
Google DeepMind 发布 Gemini Robotics 2，推出了三个模型：高级 VLA 模型可控制完整人形机器人从脚到指尖的运动，实现灵巧操作如系扣子；ER 2 推理模型可处理多步骤任务并协调多机器人协作；On-Device 2 模型可在几小时内适应全新机器人形态。
推荐理由：原文给出了三个模型的具体能力描述和可用入口，读者可以据此判断 Gemini Robotics 2 与前代及竞品的具体差异。
Berkeley AI Research精选AI 评分6060 ABBEL：通过信念状态实现高效长程交互
本文提出 ABBEL 框架，通过将交互历史压缩为自然语言信念状态来替代完整上下文，从而降低长程任务的计算成本。在协同编码任务 CollabBench 中，使用基于重建的信念评分（belief grading）可将性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 减少 57%。该方法在组合锁游戏和多目标问答任务中也展现了学习效率优势。
推荐理由：给出了具体性能数据（性能差距缩小50%、训练步数减半、峰值token大幅降低），读者可以直接评估这个方法对长程交互任务的实际价值。