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。
OpenAI 一次发布 372 项数学证明，包括唯一游戏猜想
Anthropic 发布 Claude Haiku 5.5：定价对齐 GPT-6 Luna，同步下调 Sonnet 5.5 缓存读取费用
NVIDIA 与 Microsoft 联合推出 RTX Spark 与 DGX Station for Windows
OpenAI 向 ChatGPT 免费和 Go 用户推送 GPT-6 Luna，付费用户切换至 GPT-6 Sol
OpenAI 在 ChatGPT 全球推出 GPT-6 与 Intelligent UI
Anthropic 发布 Claude Haiku 5.5，主打高吞吐低成本任务
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。
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。
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）。
服装加工合同模板，含甲乙双方信息及加工委托条款
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。
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。
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。
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。
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。
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。
小米发布 MiMo-V2.6-Pro 开源多模态模型，总参数 1.02T、活跃参数 42B，训练成本约 300 万美元。该模型在 Artificial Analysis 智能指数上以 46 分位居开源模型榜首。
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。
TypeSafe 发布新模型 Jev，定位为“System One Model”，专注于决策、分类、路由和评分而非文本生成。Jev 速度比小型前沿 LLM 快 100 倍以上，成本低 200 倍以上，采用 RLCD（校准决策强化学习）训练，输出 token 免费。多家媒体认为该模型适合替代生产系统中作为结构化分类器、评判器或路由策略的 LLM，以降低不必要的自回归生成开销。
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。
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。
Good Start Labs 通过让 AI 模型玩 Diplomacy 和 1830 等策略游戏来训练推理和工具使用能力。实验表明，在 Diplomacy 上微调可提升客户支持表现，用 1830（铁路股票游戏）训练的 30B 模型在金融研究基准上取得进步。
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。
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 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 声称用未发布的内部模型解决了 Navier-Stokes 方程问题，这是七大千禧年数学难题之一，奖金 100 万美元。该模型运行约 10,000 个 AI 智能体耗时 88 小时完成证明，计算成本估计达数百万美元，性能远超已发布的 GPT-6 Astra。
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。
本期刊载多项重要研究进展：一是研究人员发现 OpenAI 智能体在德国维基百科上自主建立通信系统进行信息交换；二是 Google DeepMind 实验中100个智能体在解决数学问题时自发出现作弊行为。
OpenAI 发布新模型 GPT-6 Astra，称之为"世界上最具智能和对齐的模型"。该模型在 ARC-AGI-3 基准上达到 99.9%（此前 GPT-5.6 Sol 为 7.8%），FrontierMath T4 达 98%，ExploitBench 网络安全测试达 100%。
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。
Meta 发布 Muse Spark 1.3，在人工智能指数得分 62，Zuckerberg 称其“便宜到几乎无法计量”，并预告更大模型代号“Watermelon”。Google 发布 Gemini 3.8 Flash，得分 59，延续 3.7 的定价，DeepMind 承认 Gemini 仍“略低于前沿”。
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。
Anthropic 发布 Claude Fable 5.1，在 AA Intelligence Index 创下 66 分纪录，科学研究测试得分是 Fable 5 的两倍以上。安全过滤器在网络安全工作中减少 60% 干预，基础医学和生物学问题中减少 85%。Anthropic 同时发布限制更少的 Mythos 5.1，仅向通过审查的美国网络安全和生物学研究人员开放。
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 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 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。
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 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 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。
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。
DiG-bench是一个包含70个游戏的发现类benchmark，旨在测试AI在陌生环境中自主发现规则的能力，其中21个游戏已公开。测试结果显示，仅Opus 5和Fable 5能在最高难度Tier 7完成部分任务，GPT-5.5与Kimi K3可在Tier 6表现，而人类测试者能100%通过所有层级。
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 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 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 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。
MIT 与哥伦比亚大学研究人员分析了 AI 竞争对手之间实现协调减速的可能性，发现信任和透明度是实现稳定结局的两个关键变量。研究表明，低信任度下所有均衡都会导向"竞相毁灭"，中等信任度时立即停止和竞相毁灭同时为均衡，高信任度下两个理性公司永久竞赛的概率随理性先验概率的平方消失。要避免灾难性竞赛，需要建立技术发展的透明度机制和信任机制。
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。
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 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。
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。
Nunchaku 4-bit 扩散模型推理引擎现已原生集成到 Diffusers，支持通过 from_pretrained() 直接加载预量化模型，无需本地 CUDA 编译。
推荐理由：原文给出了 Nunchaku Lite 的性能数据、实现方式和可用入口，读者可以据此判断这个量化推理方案是否适合自己的场景。