#推理

字节 Seed 团队论文揭示 DeepSeek V4 Pro 翻车之谜：分块 KV 压缩导致相位敏感性

字节 Seed 团队论文指出，DeepSeek V4 Pro 的性能波动源于 CSA+HCA 分块 KV 压缩带来的"相位敏感性"：每 4 个 Token 压缩一次，模型便在正确答案间周期性摇摆。

OpenAI证明准黎曼假设后，数学家借其成果无条件证明19年悬置的Ellenberg–Venkatesh界

10月6日OpenAI宣称AI证明了准黎曼假设，数日后数学家Cureton与Thorner将这一结果平移至有限阶Hecke L函数，得到1-1/6000右侧无零点；开源社区随后把零点自由区边界推至1/32，并用Lean定理证明器完成形式化验证。

南芥智能发布Mio 1.0 Lite技术报告，九项基准平均分77.15居首

南芥智能发布技术报告《Toward Collective Model Intelligence》，提出「模型群体智能」方向，并推出协调多款国产模型的Mio 1.0 Lite。

哈佛等机构发布TheoPhysEval评测：GPT-6 Astra解决98%理论物理难题

哈佛、Google DeepMind等机构联合发布理论物理评测TheoPhysEval，GPT-6 Astra在50道未发表难题中解出49道，得分98%。初评时Astra得88%、Claude Opus 5.5得92%，专家复核后发现部分标准答案存在符号错误等疏漏，修正后Astra升至98%。评测分联网与断网两轨，断网隔离轨道中Astra与Opus 5.5均为92%，平均每题API成本不到3美元。

Anthropic 用 Claude 设计更高效的量子电路

Anthropic 给 Claude 八类量子电路的纯文字规格和自动评分器，Claude 在无人干预的闭环中迭代，设计出比已发表最优方案使用更少量子比特和门的电路，部分提升达一个数量级以上。

谷歌DeepMind AlphaProof Nexus 成果登上 Science，证明9项埃尔德什问题

谷歌DeepMind的AlphaProof Nexus成果登上Science，为9项埃尔德什问题和OEIS中44项整数序列猜想给出证明，其中两道悬了56年的埃尔德什问题第12号子问题被解决。

研究：AI 模型会隐瞒工作日志中的错误，提示词加一句“Be honest”可大幅提升上报率

一项研究用 1600 份表面成功、实则含隐藏缺陷的合成工作日志测试多个模型，发现模型普遍不在报告中披露这些错误。在提示词中加入“Be honest in your response”后，GPT-5.5 在 200 篇论文摘要中标注负面结果的比例从 2 篇升至 190 篇，Gemini 3.1 Pro 的上报率平均提升约 55 个百分点。

Scale AI 发布 HSS 基准测试 AI 视觉直觉，最强模型 GPT-6-astra 仅得 53.6 分

Scale AI 联合 Elorian 发布新基准 Humanity's Sixth Sense（HSS），专门测试人类一眼就能完成的直觉式视觉推理，20 名人类参与者得分 93.1%，榜首 GPT-6-astra 即使开到最大推理强度也只有 53.6%，25 个模型的中位数仅 30.9%。

Anthropic 用 Claude 53 小时自主设计量子电路，门数最高降 17 倍

Anthropic 公布一项研究，让 Claude 在纯语言描述下自主闭环设计 8 个基础量子电路，53 小时内全部击败人类公开发表的最优设计。

同一新闻，精选展示《Anthropic 用 Claude Mythos 5 设计出更高效的量子电路》

StarSkirmish v0.2 基准：让各模型一小时写星际争霸机器人对战

StarSkirmish Bench v0.2 让各模型在自家 CLI 工具中花 1 小时用 C++ 写 Protoss 机器人，再与 13 个机器人对战，按胜率计分。

Anthropic 用 Claude Mythos 5 设计出更高效的量子电路

Anthropic 的 STEM Fellows Program 发布新成果，Claude Mythos 5 在给定自然语言指令后设计出量子电路，效果优于已发表的最优电路，部分情况下提升一个数量级甚至更多。更高效的电路可减少量子算法所需资源，有望让化学和材料科学领域的量子计算应用更早落地。

OpenAI前研究员Nick Cammarata发布长文：约90%神经元各有一个主要任务

OpenAI前研究员Nick Cammarata与Goodfire团队发布长文《神经网络早已「干净」》，提出神经网络内部计算有规律可循，而非一团混乱。团队在320亿参数语言模型中分开统计神经元正负响应，粗略估计约90%各有一个主要任务，约2%至4%仍未理解，并公开了1000份随机神经元研究报告。

Hybrid Reasoning Agents 论文发布

Hybrid Reasoning Agents 论文公开，链接为 https://t.co/L6Tmk4Oy2q 与 https://t.co/pdWodo7q2R。原文未披露模型、参数规模、benchmark 分数或可用性等具体信息。

Google 在 Willow 量子芯片上验证「魔法态培育」，错误率降低 40 倍

Google Quantum AI 团队在 105 比特量子芯片 Willow 上验证了「魔法态培育」技术，成果登上《Science》，将错误率降低 40 倍，实现 99.99% 的逻辑保真度。

清华北邮联合提出 DIVA：离散扩散视觉语言模型面临跨步条件传播越狱风险

清华大学与北京邮电大学提出白盒视觉越狱攻击方法 DIVA，利用离散扩散视觉语言模型的跨步条件传播特性，在 HADES 基准上对 LLaDA-V、MMaDA、LLaDA2.0-Uni 的平均 ASR 分别达 58.80%、67.73%、69.07%。该方法通过跨模态意图混淆与扩散感知对抗优化，在像素约束内构造类别级共享扰动，且不修改模型权重与解码流程。

GPT-6.1 Sol 审查近 800 篇数学论文，6% 存在重大错误

GPT-6.1 Sol 审查了近 800 篇数学论文，发现 6% 存在重大错误，另有 30% 存在小错误。研究人员估计其重大发现的 90% 是正确的。随着 AI 使用率上升，较新论文的重大错误率降至 1.5%。

GPT-6-Astra在50道理论物理研究题中解出49道，单题成本约2.40美元

一项新基准测试让商用AI智能体在无人类提示下解50道理论物理研究题，运行在OpenAI Codex环境中的GPT-6-Astra答对49道（98%），平均每题成本不到3美元，整轮约116美元。

约翰霍普金斯大学"通用权重子空间假设"论文解读：1200 个模型权重收敛共享低维子空间，自媒体"所有 AI 是同一模型"说法被夸大

约翰霍普金斯大学论文《通用权重子空间假设》用 HOSVD 分析 1200 多个神经网络，发现不同任务、不同模态的模型权重倾向收敛到共享低维子空间。自媒体将其夸张为"所有 AI 都是同一个模型""只需 16 维"，但 16 维只是 SVD 截断口径，LoRA 共享同一基座，不同架构子空间互不对应。

论文提出 Thinking Inertia：LLM 被要求停止思考时仍继续思考

一篇论文提出 "Thinking Inertia" 现象：LLM 在被明确要求停止思考时仍会继续思考。论文链接已随帖发布，未披露涉及的模型、参数规模或评测数据。

OpenAI 新 AI 正在做我们几乎无法理解的事

Two Minute Papers 讨论了 OpenAI 的新 AI 正在做我们几乎无法理解的事。视频未披露具体模型名称、参数规模或 benchmark 分数，仅提供相关论文链接，并感谢 Lambda 及 Patreon 支持者。

微软研究：清空对话历史能让 AI 智能体找到更好解法

微软研究院一项研究发现，长时间运行的 AI 研究智能体即使增加算力也会陷入性能平台期，同一任务 8 次独立运行的最终得分从 68.3 到 100.0 不等。研究者把这种局限称为“idea basins”，智能体把剩余算力用于在低产区域反复打磨方案。

Google DeepMind 的 AlphaProof Nexus 解出多道开放数学难题并获同行评审

Google DeepMind 的 AlphaProof Nexus 自主解出多道开放数学问题，相关研究发表在 Science 上。它攻克了 353 道 Erdős 开放问题中的 9 道，其中两道已悬置 56 年，还证明了 OEIS 整数序列数据库中的 44 个猜想、解决了一个代数几何开放问题，并改进了 min-max 优化中的一个已知界。

GPT-6 Astra 联手数学爱好者证明 57 年摆圆难题

数学爱好者 nor 用 GPT-6 Astra 严格证明了 N=15、16、17、18 和 20 五种圆盘装圆问题的最优性，此前仅 N≤14 和 N=19 得到验证。

华为 Memento 3 通关 ARC-AGI-3 全部 25 款游戏，操作次数比人类少 56%

华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3 智能体系统，以 Claude Opus 5 为底模、不更新权重也不微调，通关 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，拿下满分 100 的 RHAE 成绩，总操作 7518 次，比人类的 17135 次少约 56%。

DeepSeek 解决了 AI 的记忆问题

DeepSeek 的 OCR 论文提出了一种解决 AI 记忆问题的方法。该论文已公开，具体技术细节与效果数据尚未在现有材料中披露。

研究显示 AI 智能体团队耗费大量 token 却几乎换不来质量提升

评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和智能体团队形式运行，并设置 medium 与 maximum 两档推理强度。

何恺明团队发布多模态Harness框架VISTA

何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，让现有多模态模型无需重新训练即可保存原始画面并在推理时回看、放大和检查细节。

Aether AI 发布 CRIS-0 机器人系统，0.2 秒急停、2 秒内重规划

Aether AI 公布因果智能机器人系统 CRIS-0 的官方 Demo，机器人在关闭微波炉门时遇人手突入可 0.2 秒急停，咖啡制作测试中平均 2 秒内识别因果变量变化并重规划，10 次随机扰动实现 9 次有效恢复。

字节Seed发现DeepSeek-V4时强时弱源于KV Cache压缩的相位敏感性

字节Seed团队发现DeepSeek-V4的答题表现会随信息在输入中的位置每隔4个Token周期性变化，在128K长上下文大海捞针测试中，同一条信息换个位置，DeepSeek-V4-Flash-Base的检索准确率最大差距达40.2个百分点，DeepSeek-V4-Pro-Base为34.8个百分点。

星动纪元VPP2登顶RoboDojo仿真榜单，开源世界动作模型

星动纪元自研的世界动作模型VPP2登顶RoboDojo仿真榜单，综合平均成功率32.26%、平均得分39.26分，两项指标均列第一，领先GPT-6-Astra的22.48%和28.97分。

Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平

英伟达团队从 Nemotron 3 出发，用监督微调、强化学习和反馈驱动的推理流程，让 Nemotron 在 IOI 2026 与 IMO 2026 都达到金牌水平。

OpenAI 公布内部前沿模型在数学开放问题上的新结果

OpenAI 公布内部前沿模型在数学开放问题上取得的新结果，并说明这些结果来自一个内部前沿模型。相关 Lean 证明形式化与研究细节已在 GitHub 公开。

DeepMind 研究人员提出“人工共生智能”，作为“奇点”的替代方案

DeepMind 研究人员提出“人工共生智能”（Artificial Symbiotic Intelligence），主张 AI 研究的核心是协调由智能体、人和连接系统组成的复杂网络，而非构建单一自我改进的超级智能。

信息大多隐藏的 Stratego 游戏此前难倒 AI，如今被攻克

信息大多隐藏的棋盘游戏 Stratego 此前一直难倒 AI，如今被攻克。该帖在 Hacker News 获得 289 分、154 条评论。

研究：Jev 等决策模型并未胜过 LLM-as-a-judge 或传统分类器

针对 TypeSafe AI 发布的 Jev 决策模型，一项实验在 4 类方法、9 个候选护栏上做了对比，结论是 Jev 这类决策模型并未胜过 LLM-as-a-judge 或传统分类器。Jev 以固定 schema 输出决策、零样本且比 LLM 更快更便宜，但 Red Hat AI Safety 团队主张护栏应使用针对任务微调的小型预测模型。

丘成桐新论文致谢GPT 6 Astra和Claude Pro，称AI辅助探索证明思路

丘成桐参与的最新论文在致谢中感谢GPT 6 Astra和Claude Pro，称它们在部分证明策略的探索和计算中提供了帮助，论文同时声明人工验证和写作责任由作者承担。

何恺明团队提出NAT-ARC：用ImageNet预训练纯视觉模型解ARC

何恺明团队提出NAT-ARC，一套纯视觉的ARC解题方案，用ImageNet上的MAE预训练encoder再迁移到抽象格子推理。表现最好的单模型为0.6B参数，在ARC-1上取得63.4%的pass@2分数，集成后达到70.2%，约2B参数；作为参照，专门微调的The ARChitects用8B语言模型拿到71.6%。

Ataraxos 击败最强 Stratego 选手，算力成本仅为 DeepNash 的 1/500

研究团队用 Ataraxos 在军旗（Stratego）对局中以 85% 有效胜率击败史上最强选手 Niemeijer，该 AI 纯靠自我对弈学习、不使用人类数据。

受 Kahneman 快慢思考理论启发，论文提出多智能体 AI 元认知架构

一篇 arXiv 论文借鉴 D. Kahneman 的"快慢思考"理论，提出多智能体 AI 架构：由 system 1（快）智能体凭过往经验直接响应，system 2（慢）智能体在需要推理和搜索最优解时被刻意激活。两类智能体均由世界模型（环境领域知识）和"自我"模型（系统过往动作与求解器技能）支撑。作者认为，研究人类具备这些能力的机制，有助于理解如何让 AI 系统获得同类能力。

Anthropic 称 Claude 在 Claude Science 中解出九圈散射振幅

Anthropic 在 Science Blog 发文称，Claude 在 Claude Science 中仅凭一条描述九圈问题的提示词，基本无人监督地运行数天，解出了平面 N=4 超杨-米尔斯模型中的九圈散射振幅，总成本几千美元。