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。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 41–60 条 · 共 85 条Google DeepMind精选AI 评分7474
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。
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。
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。
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。
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 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。
Mistral AI精选AI 评分7474 Mistral AI 发布首款推理模型 Magistral
Mistral AI 发布首款推理模型 Magistral，分为 24B 参数开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由：Mistral 首款推理模型同时给出开源权重与企业版，并公开训练论文，读者可据此判断其多语言推理与部署路径。
Hugging Face Blog精选AI 评分6262 Falcon-H1 发布：0.5B 到 34B 的混合注意力 SSM 模型家族
Falcon-H1 系列发布六个开源模型，参数从 0.5B 到 34B，每个尺寸都有 base 和 instruct 版本，采用 Apache 2.0 许可。模型在混合 mixer 块中并行组合注意力与 Mamba-2 头，支持 256K 上下文和 18 种语言，官方称 0.5B 版本性能接近 2024 年的典型 7B 模型。
推荐理由：Falcon-H1 用注意力与 SSM 并行混合架构，在 0.5B 到 34B 六个尺寸上给出效率与长上下文表现，可据此判断小模型部署的取舍。
Hugging Face Blog精选AI 评分6262 ServiceNow 开源 PipelineRL：用飞行中权重更新提升 LLM 强化学习训练效率
ServiceNow 开源实验性 RL 实现 PipelineRL，核心创新是在 RL 训练中进行飞行中权重更新，让推理服务器在不停止推理的情况下接收新权重，从而同时保持高推理吞吐和接近 on-policy 的数据采集。
推荐理由：ServiceNow 开源 PipelineRL，用飞行中权重更新化解推理吞吐与 on-policy 数据采集的取舍，并给出 7B/32B 训练对比结果。
OpenAI News精选AI 评分8282 OpenAI 发布 o3 与 o4-mini 系统卡
OpenAI 发布 o3 和 o4-mini 的系统卡，两款模型将前沿推理能力与完整工具能力结合。可用工具包括网页浏览、Python、图像与文件分析、图像生成、canvas、自动化、文件搜索和记忆。
推荐理由：官方系统卡披露 o3 与 o4-mini 的推理与工具能力组合，可据此了解新模型的能力边界。
Hugging Face Blog精选AI 评分7676 Hugging Face 解读 DeepSeek-V3 0324：改用 MIT 许可，数学与代码基准大幅提升
DeepSeek-V3 0324 本周上线 Hugging Face Hub，架构与初代 DeepSeek-V3 相同，但许可从自定义协议改为 MIT，改进重点是指令遵循、代码与数学能力。
推荐理由：梳理了 DeepSeek-V3 0324 的基准提升与 MIT 许可变化，并给出多种本地部署与量化运行方式。
Hugging Face Blog精选AI 评分6767 Open R1 更新第三期：发布 OlympicCoder 7B/32B 代码模型与 IOI 基准
Hugging Face 的 Open R1 项目发布 OlympicCoder-7B 和 OlympicCoder-32B 两个代码模型，基于 Qwen2.5 Coder Instruct 微调，在 IOI 问题上超过 Claude 3.7 Sonnet 等闭源前沿模型，OlympicCoder-32B 还超过 o1-mini 和 DeepSeek-R1。
推荐理由：Open R1 复现 R1 代码推理配方，给出数据集、IOI 基准与两个开源模型，并附训练经验。