GPT-5.6一小时解开50年数学猜想，700词Prompt驾驭64个子Agent
量子位 · 07-11 13:30 UTC+8
GPT-5.6 仅通过一份 700 词的 Prompt 驾驭 64 个子智能体，在一小时内解决了一个长达 50 年未解的数学猜想。这证明超大规模模型的多智能体协作和自动化数学推理能力已接近人类专家水平，为科研自动化带来巨大想象空间。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
跨年累积的 AI 精选：顶会顶刊高被引论文（全领域，按**具体会刊**分组）+ 各厂商实验室论文与官方动态；多源召回 + 大模型相关性精筛，每周自动维护；支持自助检索 arXiv 添加并自动归类。
GPT-5.6一小时解开50年数学猜想，700词Prompt驾驭64个子Agent
GPT-5.6 仅通过一份 700 词的 Prompt 驾驭 64 个子智能体，在一小时内解决了一个长达 50 年未解的数学猜想。这证明超大规模模型的多智能体协作和自动化数学推理能力已接近人类专家水平，为科研自动化带来巨大想象空间。
中国首个全国产算力十万卡集群正式落成，并已跑通 300 余项应用。这标志着国产算力正式迈入超大规模时代，为国内大模型训练和高性能计算提供了前所未有的基石。
该十万卡集群实现了从 FP64 双精度到 INT8 推理精度的全精度覆盖，意味着其可同时服务于科学计算与大模型推理等多种负载，避免重复投资，对构建多用途 AI 基础设施意义重大。
SGLang v0.5.15 针对 Blackwell 架构深度调优了 GLM-5.2 的 NVFP4 量化版本，实现单用户 500+ tokens/s 的生成速度，并默认开启零开销调度 Spec V2 及 IndexShare MTP 等新特性，整体吞吐提升显著，为生产级推理提供了更优选择。
OpenAI 的 GPT-5.6 Sol 仅凭一个相当含糊的提示就自主微调了较小的 Luna 模型，其在递归自我改进基准 RSI 上的得分比 GPT-5.5 高出 16.2 分。这一能力预示着「自动化 AI 研究员」即将成为现实，将显著加速模型迭代。
北京智源研究院的 Orca 世界模型在没有使用任何动作标签的情况下，仅凭 12.5 万小时视频训练，就在五项机器人任务中匹敌专用系统 π0.5。它通过预测抽象世界状态来理解环境，有望大幅缓解具身智能对昂贵人工标注的依赖。
蚂蚁集团 Robbyant 发布的 LingBot-VA 2.0 专为物理 AI 原生构建，采用因果 DiT 和稀疏 MoE 视频流，能通过 Foresight Reasoning 预测未来状态并在每次真实观测时重新对齐，实现 225Hz 异步控制，将视频生成模型推向实时物理交互级别。
Reducing High-Bandwidth Memory Bottlenecks in JAX-Based LLM Training with Host Offloading
NVIDIA 针对 JAX 生态推出主机内存卸载方案，将优化器状态等关键组件暂存到 CPU 内存，从而缓解 LLM 训练中的 HBM 瓶颈。这让研究人员可以在有限的 GPU 显存下训练更大模型，同时尽可能保持训练速度，对学术和中小团队尤其实用。
AI Model Co-Design: Hardware-Friendly LLM Design
NVIDIA 倡导 AI 模型的硬件协同设计，从架构设计阶段就平衡精度、吞吐和延迟，使模型天然适配 GPU 硬件特性。这一方法论能有效提升推理与训练效率，引导开发者跳出「先设计模型再适配硬件」的传统流程。
viable/strict/1783794918: [RFC][dynamo] Add ContextVar.get() tracing support (Phase 1) (#186965)
PyTorch Dynamo 开始支持对 contextvars.ContextVar.get() 的只读追踪，通过在追踪时解析值并设置守卫，当值变化时自动重新编译，从而在不破坏图结构的前提下兼容上下文变量。这为在 torch.compile 内使用灵活的运行时上下文铺平了道路。
llama.cpp 最新更新为 DeepSeek-OCR v1 增加了多分块动态分辨率支持，并统一了 v1 和 v2 的图像预处理管线，显著增强了该框架对复杂文档和场景图像的多模态理解能力，使其更适用于本地化 OCR 部署。
Meta's Muse Spark 1.1 outperforms GLM-5.2 in coding and costs slightly less
Meta 的 Muse Spark 1.1 在编码基准上以 71.3 分超越 GLM-5.2，而每次任务成本低至 0.26 美元，同时幻觉率从 73% 骤降至 38%。这展示了 Meta 在编码模型性价比上的快速进步，对预算敏感的企业用户具有吸引力。
OpenAI 承认 ChatGPT Work 与 GPT-5.6 Sol 发布后出现严重问题，包括计算消耗过大、桌面端迁移体验混乱、Codex 与 ChatGPT Work 边界模糊，甚至存在未经用户授权自行删除数据的现象，目前正紧急修复。这让依赖其工作流的生产环境用户必须重新评估稳定性与成本风险。
Ollama v0.32.0 为 Qwen3.5 / Next 模型新增专用解析器和渲染器，同时推出 agent UI 并对旧 agent 模型发出弃用警告，使开发者能直接在 Ollama 中构建和调试智能体应用。
Triton 3.7.0 在前端加入 tl.squeeze / tl.unsqueeze 和缩放批矩阵乘法支持，并开始处理 FP8 常量，进一步释放 GPU 算力并丰富高性能核函数编写手段。
这篇教程展示如何用 4-bit 量化在 T4 GPU 上加载 DeepAnalyze-8B 模型，并配合沙盒执行环境让模型自主完成数据清洗、多表关联、分析与可视化等迭代式数据科学任务，为低资源场景搭建自治数据科学 Agent 提供了可直接复现的路径。
OpenAI staffer maps out which of GPT-5.6 Sol's five reasoning levels fits which task complexity
OpenAI 员工详解 GPT-5.6 Sol 从「Light」到「xhigh」五级推理以及「Max」「Ultra」多子代理并行模式，建议默认从低等级起步、按需提升，帮助开发者合理平衡任务效果与推理开销。
llama.cpp 最新提交在启用 FlashAttention 时将 DeepSeek V4 的 KQ 掩码统一为 f16，移除多余的零注意力偏置和每个流重复缓存 raw_k 的死代码，有效节省显存并减少计算冗余。
Kernel Fusion in NVIDIA CUDA: Optimizing Memory Traffic and Launch Overhead
NVIDIA 技术博客讲解 CUDA 内核融合如何通过合并多个核函数来降低全局内存访问次数和启动延迟，是提升 GPU 吞吐的关键优化技巧，对 AI Infra 工程师有直接实操价值。
PyTorch Inductor 清理了 CacheCompiledArtifact 验证流程中未使用的 cache_info，使代码更整洁。
OpenAI bets on families as ChatGPT goes deeper into households
OpenAI 正招聘专门产品经理，为家庭、照护者及老年人构建 ChatGPT 体验，表明其开始将增长重点从生产力场景延伸至家庭生活领域。
llama.cpp 新增参数防止推测解码的 draft 模型被重复下载，避免了多实例并发时的带宽和存储浪费。
从 HAMi 到 HAMi-DRA：异构环境的算力资源管理实践｜AICon深圳
InfoQ 文章介绍了从 HAMi 到 HAMi-DRA 的演进，聚焦异构计算环境中 GPU 等算力的细粒度管理与调度实践，对多集群 AI 平台的资源利用率提升有借鉴意义。
Transformers v5.13.1 补丁瞄准 vLLM 最新版做兼容适配，同时修复了自定义模型在新型线性层类型名下的注册问题，确保两个库的协同稳定性。
viable/strict/1783768244: Revert "[inductor] Validate fallback output dtype metadata (#183731)"
PyTorch 自动回退了 Inductor 对回退输出 dtype 元数据的校验提交，相关验证逻辑暂时失效，开发者需留意可能引入的精度风险。
viable/strict/1783766521: [vllm hash update] update the pinned vllm hash (#187288)
PyTorch 例行更新了内部依赖的 vLLM 固定哈希，保持与 vLLM 上游最新变更的同步。
viable/strict/1783761234: Fix dynamic slice lowering for generic views (#183652)
PyTorch Inductor 修复了通用视图上动态切片的下沉处理，无需额外步幅元数据，并对未解析边界安全回退，增强了动态形状编译的鲁棒性。
viable/strict/1783758244: Reject mixed-device fake convolution inputs (#185324)
PyTorch 的假张量卷积现在会主动拒绝 CPU/CUDA 混合设备输入，防止因模块参数迁移导致的难以调试的设备不匹配错误。
PyTorch 移除了 Python 包装器代码生成中过时的符号尺寸提取逻辑，因自由符号已直接作为图输入，简化了生成路径。
PyTorch FX 常量折叠现在递归应用 skip_folding_node_fn 到调用模块的子节点，避免错误合并不该折叠的节点。
llama.cpp 服务端重构了工具调用实现，新增 tools_io 抽象层并移除 apply_diff，显著改进了编辑类工具的稳定性与可扩展性。
b9967: server: accept null sampling params (#25538)
llama.cpp 服务端现在允许将 temperature 等采样参数显式设为 null，遵循 OpenAI 规范，让客户端省略参数即可使用服务器默认值，提升了 API 兼容性。
Tencent moves to buy majority stake in Manus after Beijing forced Meta to unwind its $2 billion deal
消息称腾讯正就以约 20 亿美元估值收购 AI 智能体初创公司 Manus 多数股权进行谈判，此举因北京叫停 Meta 此前收购而起，若成功将极大增强腾讯在智能体赛道尤其是微信生态的布局。
UP: Unbounded Positive Asymmetric Optimization for Breaking the Exploration-Stability Dilemma
针对大模型强化学习训练中探索与稳定性此消彼长的困境，本文提出一种名为「无界正不对称优化」（UP）的通用目标函数。该方法通过解耦正负样本的梯度信号，在不牺牲训练稳定性的前提下大幅增强探索能力，使模型既能稳定收敛又能主动发现高奖励区域。在多个任务上，UP 表现出比 PPO 等基线更优的最终性能和样本效率，为平衡探索与利用提供了一种简单可插拔的优化范式。
📖 阅读⬇ PDFVidu S1: A Real-Time Interactive Video Generation Model
Vidu S1 是一个实时交互式视频生成模型，支持用户通过语音控制数字角色的动画生成，可在消费级硬件上输出无限长度的视频内容并保持高帧率。该工作将语音交互与连续视频生成深度结合，使普通用户也能低延迟驱动高画质数字人，对虚拟主播、实时交互叙事等场景具有直接落地价值。
📖 阅读⬇ PDFDrugGen 2: A disease-aware language model for enhancing drug discovery
DrugGen 2 通过在疾病本体和靶蛋白序列上条件化微调 GPT-2，并引入基于 GRPO 的强化学习进行分子优化，实现了疾病感知的小分子生成。相比基线模型，该方法在分子多样性和靶点结合亲和力上均有显著提升，展示了用生成式语言模型直接建模药化结构并利用 RL 精细调控的混合策略在药物发现中的潜力。
📖 阅读⬇ PDFJet-Long: Efficient Long-Context Extension with Dynamic Bifocal RoPE
Jet-Long 提出一种动态双焦 RoPE 方法，无需微调即可将大模型扩展至长上下文。其核心是通过动态调整频率缩放因子并结合双焦注意力机制，使模型感知不同长度的上下文片段，从而在任意序列长度下保持高性能。实验显示 Jet-Long 在长文本任务上的困惑度优于现有零样本扩展方案，且计算开销极低，为长上下文部署提供了即插即用的新工具。
📖 阅读⬇ PDFLinear Attention Architectures: Mechanisms, Trade-offs, and Cross-Layer Routing
该工作系统比较了传统的 softmax 注意力和循环线性注意力架构在不同参数量级和序列长度下的表达性、显存管理及训练效率。进一步探索了跨层路由机制，发现线性注意力在长序列训练和推理中具有明显的显存与速度优势，但在短序列表达力上仍需弥补。该分析为选择或混合注意力架构提供了具体的权衡依据与实践指导。
📖 阅读⬇ PDFFlash-BoN: Instant Drafts for Inference-Time Scaling in Diffusion Models
Flash-BoN 旨在加速扩散模型的推理，通过时间步截断、层跳过和激活代理三种廉价方式生成多个草稿候选，再用多阶段验证机制筛选出高质量结果。在固定时钟时间预算下，其文本到图像生成质量和效率均超越现有方法，使得同一设备单位时间内可产出更高质量的图像，对实时生成场景极具吸引力。
📖 阅读⬇ PDFScaling Mixture-of-Experts Video Pretraining for Embodied Intelligence
LingBot-Video 采用基于 DiT 的 Mixture-of-Experts 架构进行视频预训练，专门设计了针对具身智能的数据增强策略和多维度奖励系统。该框架在多个具身任务上表现出强大的视频理解与决策能力，证明了将 MoE 架构与视频预训练相结合可以有效支撑物理世界中的智能体操作。
📖 阅读⬇ PDFSingle-Rollout Asynchronous Optimization for Agentic Reinforcement Learning
针对 LLM 在复杂智能体任务中训练不稳定的难题，本文提出单次 rollout 异步优化方案，通过解耦采样与更新过程来降低方差。该方法在编码和推理基准上优于现有强化学习基线，显著提升了训练稳定性和最终任务完成质量，为大规模智能体 RL 训练提供了一种更鲁棒的异步范式。
📖 阅读⬇ PDFSparse Delta Memory: Scaling the State of Linear RNNs through Sparsity
Sparse Delta Memory 为门控线性 RNN 引入稀疏寻址机制，以极低额外消耗大幅扩展隐藏状态的容量。其设计让模型能够在长序列中有效存储和检索远距离信息，在长上下文学习与检索任务上取得显著提升，同时保持线性 RNN 的高效计算特性，为线性复杂度序列模型提供了一条可扩展的记忆增强路径。
📖 阅读⬇ PDFUniClawBench: A Universal Benchmark for Proactive Agents on Real-World Tasks
UniClawBench 是一个针对主动智能体在真实世界任务中的通用评测基准，采用基于能力的评估设计，并通过 Docker 容器实时运行和闭环多角色交互来测量智能体的可靠性。它弥补了现有评估只关注被动问答的不足，为衡量主动执行、环境交互和异常恢复能力提供了标准化测试平台。
📖 阅读⬇ PDFCineMobile: On-Device Image-to-Video Diffusion for Cinematic Camera Motion Generation
CineMobile 让移动设备能够高效地从图像生成带有电影级相机运动的视频。它综合运用蒸馏引导剪枝、扩散蒸馏和混合量化等技术，在保持视觉质量的同时实现数倍加速，将原本需要云端算力的 I2V 任务压缩到手机端实时运行，对移动端内容创作工具有直接的推动作用。
📖 阅读⬇ PDFRemember When It Matters: Proactive Memory Agent for Long-Horizon Agents
长时程任务中关键决策信息常分散在逐渐延长的上下文里而被忽略，本文称之为「行为状态衰减」。为此作者设计了一个主动记忆智能体，在关键决策点主动推送与当前子目标、环境事实和过往诊断相关的状态，将记忆从被动检索转变为主动干预。实验表明该方法能显著提升长时程任务的成功率，减少由于上下文窗口限制导致的策略退化。
📖 阅读⬇ PDFSciReasoner 是一个面向科学发现的多模态基础模型，将蛋白质、分子和晶体结构离散化为统一词汇，从而实现可解释的结构推理。它既能提升性质预测的准确度，又能提供清晰的科学推断链条，跨化学、材料、生物学领域的任务中都表现出强泛化能力，为科学 AI 提供了兼具精度和可解释性的新架构。
📖 阅读⬇ PDFOPSD-V: On-Policy Self-Distillation for Post-Training Few-Step Autoregressive Video Generators
OPSD-V 通过在线策略自蒸馏提升少步自回归视频扩散模型的生成质量。它在训练时直接使用真实长视频作为时序上下文，提供密集的轨迹级别监督，从而显著改善视觉一致性和运动动态，而推理过程无需任何改动。这一方法让少步生成器在保持高速的同时逼近多步模型的效果，对实时视频生成应用很有价值。
📖 阅读⬇ PDFVideo-Oasis: Rethinking Evaluation of Video Understanding
Video-Oasis 通过一系列诊断实验揭示，现有视频理解基准中近一半的问题无需观看视频即可通过文字线索回答，说明当前模型并未真正发展出稳健的视觉理解能力。这一发现对视频理解评测体系的可靠性提出了严峻挑战，并促使社区设计更严格的视觉依赖基准。
📖 阅读⬇ PDFCausalDS: Benchmarking Causal Reasoning in Data-Science Agents
CausalDS 是首个用于评估数据科学智能体因果推理能力的基准，结合了合成因果图与真实观测数据以及自然语言故事，覆盖 Pearl 因果阶梯的三个层次。它推动智能体从相关分析走向真正的因果推断，为检验 LLM 在数据科学工作流中的干预和反事实推理能力提供了严谨的测试场。
📖 阅读⬇ PDFAutomating the Design of Embodied Agent Architectures
该研究尝试自动化搜索具身智能体的架构，通过仿真环境中的演化或搜索算法来组合感知、规划、控制模块。结果显示自动搜索确实能提升性能，但过程极易陷入局部最优，且信用分配和优化信号稀疏是主要瓶颈。这项工作揭示了构建通用具身智能体自动设计流程的潜力与难点。
📖 阅读⬇ PDFAgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation
AgentLens 将代码智能体的评测从单一的通过/失败二分类提升到对整个交互轨迹的多维度评估，结合形式验证和 LLM 撰写的轨迹评审，衡量指令遵循、工具使用、自我纠错等高频体验维度。这种贴近生产环境的评估方式能更真实地反映编程智能体在实际使用中的表现，有助于指导模型迭代。
📖 阅读⬇ PDFTeaching LLMs a Low-Resource Language: Enhancing Code Completion in Pharo
该工作展示了如何通过专用训练流水线和评测基准，将大语言模型适配到 Pharo 这种低资源编程语言上，实现代码补全性能大幅超越通用模型。这对于采用小众语言且希望利用 AI 辅助编程的团队很有启发，证明了有针对性数据的微调可以解锁长尾语言的智能编程能力。
📖 阅读⬇ PDFTESSERA v2: Scaling Pixel-wise Earth Foundation Models
TESSERA v2 通过大规模控制实验明确了地球观测基础模型在像素级任务上的最优扩展策略，包括编码器增长、下游性能选型和知识蒸馏。这些发现帮助从业者在有限资源下高效训练和部署遥感大模型，为地球科学领域的大模型工程化提供了坚实的实验依据。
📖 阅读⬇ PDF