Google 研究：用贝叶斯教学让 LLM 学会概率推理
Google Research 提出"贝叶斯教学"方法，通过监督微调让 LLM 模仿贝叶斯模型的预测，从而学会按贝叶斯方式推理。在五轮模拟航班推荐任务中，未经训练的 LLM 表现显著逊于最优贝叶斯助手，且往往在单次交互后性能就停滞；而贝叶斯教学不仅提升该任务表现，还能泛化到其他任务。
#推理
#推理
今日 3 条Google ResearchAI 评分4040
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Flash-Lite
Google DeepMind 推出 Gemini 3.1 Flash-Lite，定位为 Gemini 3 系列中速度最快、成本最低的模型，即日起通过 Gemini API 在 Google AI Studio 和 Vertex AI 面向开发者预览。
推荐理由：官方给出价格、速度与基准数据，可据此判断高并发场景下是否值得替换现有轻量模型。
OpenAI NewsAI 评分4242 OpenAI 公布 AI 模型在 First Proof 数学挑战中的证明尝试
OpenAI 公开了其 AI 模型针对 First Proof 数学挑战的证明尝试，用于测试模型在专家级问题上的研究级推理能力。该挑战聚焦研究级数学推理，OpenAI 未披露具体模型名称与成绩。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.1 Pro，ARC-AGI-2 得分 77.1%
Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的核心推理升级，在 ARC-AGI-2 上取得 77.1% 的验证分数，超过 3 Pro 推理性能的两倍。
推荐理由：官方给出 ARC-AGI-2 上 77.1% 的验证分数与 3 Pro 的对比，可据此判断核心推理能力的提升幅度。
OpenAI News精选AI 评分6262 GPT-5.2 在理论物理中推导出新结果
OpenAI 发布预印本，显示 GPT-5.2 为胶子振幅提出一个新公式，随后由 OpenAI 与学术合作者完成形式化证明与验证。
推荐理由：OpenAI 与学术合作者披露 GPT-5.2 提出胶子振幅新公式并被形式化证明，可观察模型在理论物理推导中的角色。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3 Deep Think 升级，面向科研与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，这一专用推理模式面向科学、研究与工程难题。
推荐理由：官方给出 Deep Think 在 HLE、ARC-AGI-2、Codeforces 等基准上的具体成绩与开放入口，可据此判断其科研推理定位。
Google DeepMind精选AI 评分7474 DeepMind 发布两篇论文，Gemini Deep Think 用于数学与科学研究
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体（内部代号 Aletheia）在数学、物理和计算机科学专业研究问题上的表现。
推荐理由：DeepMind 公开了 Gemini Deep Think 在数学与理论计算机科学研究中的两篇论文，读者可了解其智能体工作流与已产出的具体成果。
Google ResearchAI 评分2626 Google Research 提出 Sequential Attention：让 AI 模型更精简更快且不牺牲准确率
Google Research 提出 Sequential Attention，用贪心选择机制在单次训练中顺序、自适应地挑选最佳组件加入模型，避免传统贪心算法带来的数量级训练开销。该方法把子集选择直接嵌入模型训练，可处理大规模 ML 模型，并在多个神经网络基准上取得 SOTA，同时支持特征选择、嵌入维度调整与权重剪枝。
Google ResearchAI 评分3434 Google 小模型分解法实现端侧用户意图提取，效果媲美 Gemini 1.5 Pro
Google Research 在 EMNLP 2025 发表的论文提出一种分解式工作流，先由小多模态 LLM 逐屏总结用户交互，再从摘要序列中提取意图，在移动端和网页轨迹上均优于 CoT 提示和端到端微调。该方法用 Gemini 1.5 Flash 8B 即达到 Gemini 1.5 Pro 的相当效果，成本与速度仅为后者一小部分，适用于端侧部署。
Hugging Face Blog精选AI 评分6262 微软发布 Differential Transformer V2，去掉自定义注意力核并降低训练不稳定
微软 unilm 团队发布 Differential Transformer V2（DIFF V2），通过增加 query 头但保持 KV 头数量不变，使解码速度与标准 Transformer 持平，且不再需要自定义注意力核。
推荐理由：微软团队给出 DIFF V2 的注意力实现与消融对比，读者可据此判断差分注意力在解码速度与训练稳定性上的取舍。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Cosmos Reason 2，面向物理 AI 的推理视觉语言模型
NVIDIA 发布 Cosmos Reason 2，一款面向物理 AI 的开源推理视觉语言模型，在 Physical AI Bench 和 Physical Reasoning 榜单上位列开源模型第一。
推荐理由：NVIDIA 官方发布 Cosmos Reason 2，给出 2B/8B 规格、256K 上下文与多项评测提升，可据此判断物理 AI 视觉推理的可用边界。
Hugging Face BlogAI 评分3838 Hugging Face 发布 Falcon-H1-Arabic：混合 Mamba-Transformer 架构的阿拉伯语模型家族
Hugging Face 发布 Falcon-H1-Arabic 阿拉伯语模型家族，含 3B、7B、34B 三个规模，采用 Mamba 与 Transformer 注意力并行的 Falcon-H1 混合架构。
Google DeepMindAI 评分2222 Google 2025 年回顾：Gemini 3、Gemma 3 等 8 大研究突破
Google DeepMind 与 Google Research 回顾 2025 年 8 大研究突破，模型方面从 3 月 Gemini 2.5 到 11 月 Gemini 3、12 月 Gemini 3 Flash 相继发布，Gemini 3 Pro 登顶 LMArena 并在 MathArena Apex 取得 23.4% 的 SOTA。
Google ResearchAI 评分2222 Google Research 2025 年度回顾：更激进的突破，更大的影响
Google Research 回顾 2025 年成果：Gemini 3 成为其最强、事实性最高的 LLM，在 SimpleQA Verified 和与 Google DeepMind、Kaggle 联合发布的新 FACTS 基准上达到 SOTA；Gemma 扩展至 140 多种语言。
OpenAI NewsAI 评分3636 OpenAI 发布思维链可监控性评估框架与评测套件
OpenAI 推出面向思维链可监控性的新框架与评测套件，覆盖 24 种环境下的 13 项评估。结果显示，监控模型内部推理远比仅监控输出更有效，为 AI 系统能力提升后的可扩展控制提供了可行路径。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3 Flash，主打速度与低成本
Google DeepMind 发布 Gemini 3 Flash，将 Gemini 3 的推理能力与 Flash 级别的延迟、效率和成本结合，定价为每 100 万输入 token 0.50 美元、每 100 万输出 token 3 美元。
推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，可据此判断它在速度与成本上的取舍。
OpenAI NewsAI 评分3838 OpenAI 推出 FrontierScience 基准，评估 AI 科研推理能力
OpenAI 发布 FrontierScience 基准，用于测试 AI 在物理、化学和生物学领域的推理能力，衡量其向真实科学研究迈进的进展。
Google Research精选AI 评分6060 Google 为 STOC 2026 推出 Gemini 论文助手 Paper Assistant Tool
Google Research 为 ACM 计算理论研讨会 STOC 2026 开发了实验性论文预审工具 Paper Assistant Tool（PAT），基于 Gemini 2.5 Deep Think 的推理扩展方法，在投稿后 24 小时内给出结构化反馈，包括论文贡献摘要、潜在错误与改进建议、以及笔误修正。
推荐理由：Google 在 STOC 2026 试用的论文预审工具给出了作者反馈数据，可观察 AI 辅助数学证明的实际边界。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-5.2，面向科学与数学能力升级
OpenAI 发布 GPT-5.2，称其为目前数学与科学能力最强的模型，在 GPQA Diamond 和 FrontierMath 等基准上刷新 SOTA。官方表示这些提升已转化为实际研究进展，包括解决一个开放理论问题并生成可靠的数学证明。
推荐理由：官方给出 GPT-5.2 在数学与科学基准上的成绩，并说明这些提升如何落到实际研究进展中。
Google Research精选AI 评分6565 Google Research 发布 Titans 与 MIRAS：让 AI 拥有长期记忆
Google Research 发布两篇论文，提出 Titans 架构与 MIRAS 理论框架，将 RNN 的速度与 Transformer 的精度结合，实现测试时记忆。
推荐理由：Google Research 提出 Titans 架构与 MIRAS 框架，用深度神经网络做长期记忆模块，在超长上下文任务上超过 GPT-4。
Hugging Face BlogAI 评分4040 DeepMath：基于 smolagents 的轻量级数学推理 Agent
Intel AI Software Group 推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调的数学推理 Agent，通过 smolagents 生成 Python 片段并在沙箱执行，将输出长度最多缩短 66%，同时提升准确率。
Hugging Face BlogAI 评分2222 从第一性原理理解 continuous batching
Hugging Face 发布博客，从 attention 机制与 KV caching 出发，推导出 continuous batching 这一推理优化技术。该方法通过并行处理多个对话、完成即换出，最大化吞吐量，适用于高负载 LLM 服务场景。文章指出 attention 是 token 间唯一交互之处，其计算复杂度随序列长度呈平方增长。
OpenAI NewsAI 评分4747 GPT-5 与数学发现的新前沿
UCLA 教授 Ernest Ryu 与 GPT-5 共同解决了一个优化理论中的关键问题，展示了 AI 在加速数学发现中的作用。
OpenAI NewsAI 评分4242 OpenAI 公布 GPT-5 加速科学研究的早期实验
OpenAI 公布首批研究案例，展示 GPT-5 在数学、物理、生物学和计算机科学领域加速科学进展。这些案例呈现 AI 与研究人员如何协作生成证明、发现新见解，并改变科学发现的速度。
Hugging Face BlogAI 评分5858 ServiceNow 发布 Apriel-H1：将 15B 推理模型蒸馏为 Mamba 混合架构
ServiceNow 将 15B 推理模型改造为 Mamba 混合架构，旗舰 Apriel-H1-15b-Thinker-SFT 在 76.8B token 训练后实现 2.1 倍吞吐，MATH500 从 0.90 升至 0.92、MTBench 从 8.30 升至 8.58，GSM8k、GPQA、AIME24 略有下降。
OpenAI NewsAI 评分4040 OpenAI 用稀疏电路理解神经网络
OpenAI 正在探索机制可解释性，以理解神经网络如何进行推理。其提出的稀疏模型方法有望让 AI 系统更透明，并支持更安全、更可靠的行为。
Google Research精选AI 评分6262 Google Quantum AI 提出量子优化工具包 DQI
Google Quantum AI 与斯坦福、MIT、Caltech 合作在 Nature 论文中提出量子算法 Decoded Quantum Interferometry（DQI），利用量子干涉把优化问题转化为解码问题，从而借助已有的解码算法求解。
推荐理由：Google Quantum AI 提出把优化问题转成解码问题的量子算法，并给出 OPI 问题上的量子与经典算力差距估算。
Google ResearchAI 评分5252 Google Research 提出 Nested Learning：面向持续学习的新机器学习范式
Google Research 在 NeurIPS 2025 论文《Nested Learning: The Illusion of Deep Learning Architectures》中提出 Nested Learning，把模型架构与优化算法视为同一套相互嵌套、并行优化的多层级学习问题，每层有自己的上下文流和更新频率。
Berkeley AI ResearchAI 评分3636 无需 TD 学习的强化学习：分治法实现可扩展的 off-policy RL
一项与 Aditya 合作的研究提出用"分治法"替代时序差分（TD）学习来做 off-policy RL，通过将轨迹对半切分并组合子段价值，理论上把 Bellman 递归次数从线性降到对数级。该方法在 goal-conditioned RL 中利用三角不等式构造"传递式"Bellman 更新，据称是首个将分治价值学习扩展到高复杂度任务的工作。目前仍待解决的问题是如何选取最优子目标 w。
Hugging Face BlogAI 评分3636 Writer 发布 Palmyra-mini 系列：1.5B-1.7B 轻量开源模型，含推理变体
Writer 开源 Palmyra-mini 系列三款模型，参数规模 1.5B-1.7B，包括非思考基础版 palmyra-mini 及两个思维链推理变体 palmyra-mini-thinking-a 和 palmyra-mini-thinking-b。
Hugging Face BlogAI 评分5858 Hugging Face 详解 transformers 为 gpt-oss 引入的优化技巧
Hugging Face 博客介绍了为支持 OpenAI gpt-oss 系列而在 transformers 中做的一系列升级，包括可从 Hub 下载的零构建内核、MXFP4 量化、张量并行、专家并行、动态滑动窗口缓存、连续批处理与分页注意力，以及更快的模型加载。
Hugging Face BlogAI 评分3838 Kimina-Prover-RL：开源 Lean 4 定理证明训练管线，兼容 Verl
Kimina Prover 团队开源了 kimina-prover-rl 训练管线，基于 DeepSeek-R1 式"先推理后生成"范式，用于 Lean 4 形式化定理证明，并完全兼容 Verl 框架。
Hugging Face BlogAI 评分3535 TextQuests：LLM 玩文字冒险游戏表现如何？
Hugging Face 发布 TextQuests 基准，基于 25 款经典 Infocom 互动小说游戏，用于评估 LLM 作为自主智能体的长上下文推理与探索学习能力。
OpenAI News精选AI 评分8585 OpenAI 在 API 平台推出 GPT-5
OpenAI 在 API 平台推出 GPT-5，主打高推理性能、面向开发者的新控制项，以及在真实编码任务上的领先结果。
推荐理由：OpenAI 在 API 平台上线 GPT-5，开发者可据此了解新模型在推理与真实编码任务上的定位。
Hugging Face Blog精选AI 评分8888 Hugging Face 欢迎 OpenAI 开源模型家族 gpt-oss
OpenAI 发布开源权重模型家族 gpt-oss，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均为 MoE 架构并采用 MXFP4 4-bit 量化，以 Apache 2.0 许可发布。
推荐理由：Hugging Face 汇总了 gpt-oss 两个开源模型的参数、量化方案与各推理框架的适配细节，便于判断本地部署门槛。
OpenAI News精选AI 评分8888 OpenAI 发布 gpt-oss-120b 与 gpt-oss-20b 两款开放权重模型
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重语言模型，采用 Apache 2.0 许可。官方称这两款模型在推理任务上优于同规模开放模型，具备较强的工具调用能力，并针对消费级硬件的高效部署做了优化。
推荐理由：OpenAI 开源两款权重模型并给出 Apache 2.0 许可，读者可据此判断本地部署与工具调用的可选空间。
OpenAI News精选AI 评分8585 OpenAI 发布 gpt-oss-120b 与 gpt-oss-20b 开放权重推理模型
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两个开放权重推理模型，采用 Apache 2.0 许可并适用 gpt-oss 使用政策。
推荐理由：OpenAI 以 Apache 2.0 开放两个推理模型权重，读者可据此了解其开放范围与使用条件。
Mistral AI精选AI 评分6666 Mistral 为 Le Chat 推出 Deep Research、语音模式等多项新功能
Mistral 为 Le Chat 上线一批新功能，包括预览版 Deep Research 模式、由新语音模型 Voxtral 驱动的语音模式、由推理模型 Magistral 支持的多语言推理、用于整理对话的 Projects，以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由：官方一次性公布 Le Chat 的深度研究、语音、推理与图像编辑多项能力，可据此判断其产品路线与可用入口。
Hugging Face BlogAI 评分5454 Numina 与 Kimi 团队发布 Kimina-Prover-72B 定理证明模型
Numina 与 Kimi 团队发布定理证明模型 Kimina-Prover-72B，基于 Qwen2.5-72B 并用 Kimi k1.5 的 RL 流程训练，同时开源 8B 和 1.7B 蒸馏版本。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 SmolLM3：3B 多语言长上下文推理模型
Hugging Face 发布 SmolLM3，一个完全开源的 3B 模型，在 11T token 上训练，支持 think/no_think 双模式推理、6 种语言和最长 128k 上下文。该模型在 3B 规模上超越 Llama-3.2-3B 和 Qwen2.5-3B，并与 Qwen3、Gemma3 等 4B 模型竞争。团队同时公开了预训练、中训练、后训练及合成数据生成的完整配方和数据集。
推荐理由：Hugging Face 公开了 SmolLM3 的完整训练配方与数据配比，读者可据此复现或改进 3B 级小模型。