跳到正文

#推理

今日 25 条
10月1日周四
  4. Hacker News：AI 热帖48

    AI 研究已死，AI 万岁

    作者认为 ChatGPT 出现后，现代 AI 研究已陷入停滞，近半数论文只是构建调用 GPT-n 的 agent pipeline 来完成人类任务，不再产出新知识。其所在的 NLP 领域被 LLM 掏空，NLU、ASR 被归入 AI，语义标注与句法解析则被划为计算语言学。作者批评研究者把 LLM 当作“随机神谕”，研究重心转向应用、解释与维护。

  6. Hacker News：AI 热帖57

    Drift 用 8 个问题解释心智与 AI 的工作方式

    Drift 发布一篇 17:18 的影片与阅读伴读，围绕记忆、注意力、大脑能耗、持续学习、梦境、科学发现、AI 迎合判断和默会知识 8 个问题展开。文章引用 2026 年预印本和较早研究，说明事件边界、奖励学习、灾难性遗忘、符号回归和 sycophancy 等机制，同时强调类比不是证据。每个问题配有可尝试的方法，例如设置停止信号、要求模型先评估证据并给出反方论证，以及用好坏示例教授难以描述的技能。

  8. Hacker News：AI 热帖68

    AI 背后的物理堆栈：从电网、数据中心到 GPU 集群与算力经济

    一篇交互式解读梳理 AI 算力的物理堆栈，按电网与电力、数据中心设施、芯片、机架、集群、虚拟机、工作负载和经济回报八层展开。文章强调签约、许可、通电和可供服务器使用的电力处于不同阶段，并以 PUE、IT MW、tokens、GPU:CPU 比例、H100e 和 accelerator-hour 等指标区分容量与产出。

  9. Hacker News：AI 热帖76

    Google Gemini 4 Argon 发布：Artificial Analysis 智能指数追平 GPT-6 Astra

    Google DeepMind 推出 Gemini 4 Argon，目前正向部分用户灰度开放、尚未公开可用；它在 Artificial Analysis Intelligence Index 取得 53 分，追平 GPT-6 Astra，并领先 GPT-6.1 Sol 1 分。

    推荐理由：汇总了 Gemini 4 Argon 的智能指数、任务成本、智能体和幻觉率表现，可用于横向比较前沿模型的性价比。

  12. Rohan Paul56

    Meta Superintelligence Labs 等机构发布 Context Language Models 论文，提出让语言模型把上下文当作文件并自主更新，而非依赖人工编写的清理规则。

    引用Rulin Shao@RulinShao

    ‼️The Bitter Lesson for context management: Giving LMs unrestricted control over their context beats human-designed SOTA! Introducing 🩵Context Language Models (CLMs)🩵 - Natively manage their own context - Treat context as a file - Learn policies in CLM weights, no harness

  18. The Decoder81

    Google 发布 Gemini 4 Argon，评测追平 GPT-6 Astra 与 Claude Fable 5.1 但未取得明确领先

    Google 发布前沿模型 Gemini 4 Argon，先向 Fairwind 项目的可信网络防御者和内部团队开放，随后再面向付费 API 客户、Google AI Ultra 订阅者及更广泛用户推出，具体日期未定。

    推荐理由：文章汇总独立评测、定价与分阶段开放安排，可帮助读者比较 Gemini 4 Argon 与 OpenAI、Anthropic 前沿模型的实际位置。

  20. Rohan Paul47

    这是件大事。 Google 新款 Gemini 4 Argon 单次回复最多可写 1M tokens，接近 GPT-6 Astra、Opus 5.5 和 Fable 5.1 的 128K 上限的 8 倍。

    引用Rohan Paul@rohanpaul_ai

    MASSIVE reveal from Google. Its new flagship, Gemini 4 Argon, outscores GPT-6 Astra and Claude Opus 5.5 on most benchmarks. - beats GPT-6 Astra and Claude Opus 5.5 on some super important industry benchmarks. - its widest lead in legal work, 19.6% on Harvey's Legal Agent Benchmark against 6.7% for Anthropic's Claude Fable 5.1. - output limit jumps from 64K to 1M tokens, an industry-leading ceiling, - Only 3 groups have it today. the first is Google's own staff, vetted cyber defenders such as government agencies and security companies and trusted testers giving Google feedback. - Inside Google, Argon agents freed over 300 TiB of data-center memory, with 500 TiB to 1 PiB of total savings estimated, and made a Rust port of the libgav1 video decoder 2.7x faster by replacing 32K lines of SIMD code.

  21. Rohan Paul57

    webAI 发布开源模型 TwIL-LM3-Pro，参数规模约 3.6B，提供可在本地电脑运行的量化版本，无需云端。webAI 称其形式逻辑得分比 VibeThinker-3B 高 35%、比 Qwen3.5-4B 高 24%、比 LFM2.5-8B-A1B 高 47%，并在 SVAMP 和 MuSR 上分别取得 95% 和 64.1%。

    引用David Stout@Davidstout

    Half a million downloads in a month. Today, our open source family takes another step forward. Thank you for the incredible support behind our first-generation models. We’re excited to introduce TwIL-LM3-Pro. At just 3.6 billion parameters, it brings powerful reasoning to everyday computers, with quantized builds that run locally. No cloud required. In our evaluation: Formal logic: Highest recorded headline score among the small models compared—beating China’s VibeThinker-3B by 35% and Qwen3.5-4B by 24%, and Liquid AI’s LFM2.5-8B-A1B by 47%. Broader reasoning: 95% on SVAMP and 64.1% on MuSR, the highest recorded scores among the small models compared. BIG-Bench Hard’s logic subset: 95.4%, compared with VibeThinker-3B’s 61.1%. We believe AI is entering a post-training era. The advantage will increasingly belong to companies with the best pipelines and those that can produce capable, personalized intelligence faster and more efficiently, then put it on devices people already own. That’s what we’re building at webAI. And we’re only beginning to share what’s coming out of our lab. Coming soon: Meridian, our family of frontier-class models built to run on device. Our most advanced models will be available through the @thewebAI application. Join the waitlist as we expand access. Proudly built in Austin, Texas. 🇺🇸

  25. Rohan Paul70

    Google 提前展示新旗舰模型 Gemini 4 Argon，称其在复杂工作流、网络防御和软件工程中达到前沿性能。模型输出 token 上限从 64K 提升至 1M tokens；基准图显示其在 Harvey's Legal Agent Benchmark 得分为 19.6%，DeepSWE v1.1 得分为 77.9%。

    引用Sundar Pichai@sundarpichai

    Lots of discussion out there about our next model(!), so I wanted to give an early look as soon as possible. Introducing Gemini 4 Argon! It shows frontier performance in complex workflows, cyber defense and software engineering. Teams are using it extensively at Google, from coding to quantum computing, great feedback. Here’s a look at the benchmarks:

  26. Hacker News：AI 热帖81

    Google 发布前沿模型 Gemini 4 Argon，面向编码、企业知识工作与网络安全防御

    Google 宣布新前沿模型 Gemini 4 Argon，将先通过 Fairwind Program 向受信任的网络防御者开放，并参与美国政府自愿的发布前模型访问流程，随后逐步面向付费 API 客户和 Google AI Ultra 订阅者推出。

    推荐理由：材料集中呈现了 Gemini 4 Argon 的定价、1M 输出 token、编码与安全评测结果，以及分阶段开放路径，便于读者了解其面向企业和开发者的能力边界。

  27. 🚨 AI News | TestingCatalog69

    Google 宣布推出前沿模型 Gemini 4 Argon，面向真实软件工程、法律和金融等企业知识工作以及网络防御中的复杂工作流。该模型在 DeepSWE v1.1 上取得 77.9%，并称在多项基准上表现优于 GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1。Gemini 4 Argon 将很快开始向付费 API 客户和 Google AI Ultra 订阅用户推出。

    引用Sundar Pichai@sundarpichai

    Lots of discussion out there about our next model(!), so I wanted to give an early look as soon as possible. Introducing Gemini 4 Argon! It shows frontier performance in complex workflows, cyber defense and software engineering. Teams are using it extensively at Google, from coding to quantum computing, great feedback. Here’s a look at the benchmarks:

  28. The Decoder62

    OpenAI 与 Synopsys 合作打造芯片设计模型 GPT-Synopsys

    OpenAI 与 Synopsys 达成为期多年的战略合作，将共同构建专用芯片设计 AI 模型 GPT-Synopsys。该模型结合 OpenAI 的 AI 技术与 Synopsys 的 EDA 工具，可推理芯片设计和验证并直接操作相关工具，运行在 OpenAI 基础设施上。双方已开始半导体客户早期测试，将共同营销并分享收入，客户数据不会用于训练且会加密存储。

  29. Google DeepMind82

    Google DeepMind 发布前沿模型 Gemini 4 Argon，输出上限提升至 1M tokens

    Google DeepMind 宣布前沿模型 Gemini 4 Argon，将先通过 Fairwind Program 面向可信网络防御者开放，并参与美国政府自愿的发布前模型访问流程，随后逐步面向付费 API 客户和 Google AI Ultra 订阅者推出。

    推荐理由：官方披露了 Gemini 4 Argon 的分阶段开放范围、API 定价和多项工程与企业任务评测结果，可用于了解其能力边界。

  35. Hacker News：AI 热帖72

    Anthropic 大语言模型证明渗流理论猜想 Theta(p_C) = 0

    Anthropic 发布由大语言模型生成的证明，确认 3 至 10 维方格渗流转变是连续的，即 θ(p_C)=0，解决了概率论中长期存在的核心猜想。数学家 Benedikt Jahnel 对结果感到复杂，既高兴猜想获证，也担忧未来 Fields Medal 等数学荣誉如何归属；Hugo Duminil-Copin 则强调提出问题、失败探索和人类理解仍是数学的重要部分。

9月30日周三
  1. NVIDIA Blog65

    CoreWeave 在 CoreWeave Cloud 推出 NVIDIA Vera Rubin NVL72、Vera CPU 与 Forge 智能体开发环境

    CoreWeave 宣布在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72 系统，并搭配 Spectrum-X 102.4T Ethernet；Cognition 是首个在 Vera Rubin 上运行生产工作负载的客户。

    推荐理由：文章集中呈现 CoreWeave 对 Vera Rubin、Vera CPU 与 Forge 的落地安排，并给出 Cognition 早期推理测试数据，便于理解训练到生产闭环的基础设施组合。

  3. Hacker News：AI 热帖52

    3D 动作游戏中由 LLM 驱动的 NPC 如何实现 2 秒内行为响应

    作者在 3D 动作游戏中实现了由 LLM 驱动、多数推理在 2 秒内完成的实时 NPC 行为系统。系统通过感知管线从游戏状态中识别刺激，再由 LLM 结合长期记忆和工作记忆生成 3 至 5 个动作的短期计划，并流式执行；上下文用紧凑 YAML 构建，事件日志过长后折叠为摘要。作者还指出长期记忆细节会在反复摘要中磨损，且 NPC 能力受可感知刺激和可执行动作集合限制。