推理能力

AI 导读P-Zero Research的新基准测试显示，AI模型自主设计和评估实验的能力提升迅速，促使Anthropic联合创始人Jack Clark将自改进AI的预测时间提前至2027年。

AI 选稿理由基于P-Zero Research基准测试结果，自改进AI能力提升速度超出预期，预测时间提前一年。

AI 导读一项对照研究表明，在Claude Code、OpenCode或mini-SWE-agent等编程智能体框架间切换，对任务通过率的影响与重复运行同一设置相差无几。然而，每任务成本可能增加三倍，主要原因是系统提示在每个步骤都会重新发送。

AI 选稿理由该研究揭示了编程智能体框架选择对成本效益的实际影响，为开发者提供了优化资源使用的依据。

AI 导读月之暗面发布Kimi K3.1 Pro，2.8万亿参数模型在Artificial Analysis智能指数中排名第四，得分55，接近Fable 5.1。模型支持百万Token上下文，在代码、3D创作和长程Agent任务中表现优异，计划11月4日开放权重。同时推出Highspeed API，输出速度提升2-3倍，价格翻倍。独立评测显示其在网络安全测试中得分64%，为公开最高。

AI 选稿理由Kimi K3.1 Pro成为首个接近Fable-5.1级性能的开放权重模型，缩小了中美模型差距，并在网络安全领域取得突破性进展。

AI 导读Moonshot AI的Kimi K3.1 Pro在AI分析智能指数上获得55分，比前代产品提升11分，排名第四，仅次于三款Anthropic和Meta模型。如果Moonshot按计划发布权重，开源与专有模型之间的差距将缩小至仅3分。

AI 选稿理由Kimi K3.1 Pro在AI分析智能指数上取得显著进步，缩小了与顶级专有模型的差距，展示了开源模型的发展潜力。

AI 导读AWS发布多轮强化学习(MTRL)技术，通过Amazon SageMaker AI训练模型处理需要多步决策的任务。以Wordle游戏为例，使用GPT-OSS-20B模型，在默认推理能力下将解决率从61%提升至84%，低推理能力下从15%提升至69%，训练成本约339美元。该技术适用于企业内部多步骤任务，如工作流程自动化，无需指定正确路径，只需对最终结果评分。

AI 选稿理由提供了一种新的强化学习方法，通过单次奖励信号训练模型完成多步任务，适用于企业内部特定工作流程的AI能力提升。

AI 导读拜耳作物科学在Amazon Bedrock AgentCore上构建了代理式决策引擎(ADE)，通过22个专业代理解决用户问题，80%无需工程师介入。该系统基于现有的连接决策引擎(CDE)，添加自然语言接口，使用LangGraph编排，通过AgentCore Gateway实现工具访问，并采用AWS统一运营支持。

AI 选稿理由拜耳实现了基于Amazon Bedrock AgentCore的代理式决策引擎，解决了复杂农业数据分析中的可解释性问题，提高了问题解决效率。

AI 导读艾伦AI与宾夕法尼亚大学合作开发了LitPivot系统，帮助研究人员在早期研究阶段根据文献动态调整研究方向。该系统将研究提案分解为问题、贡献和评估三个部分，围绕正在编辑的部分组织相关文献，并提供基于文献支持的批判和建议。在17名研究人员的实验中，使用LitPivot开发的研究想法被认为比使用文本编辑器和AI聊天工具开发的想法更基于文献，参与者也认为其修订后的想法更具创新性和实用性。

AI 选稿理由LitPivot通过动态文献关联和批判性建议，显著提升了早期研究想法的文献基础和创新性，适用于各学科研究人员的早期研究阶段。

AI 导读Anthropic让Claude生成数学证明来验证现有代码的正确性，为123个开源库生成了约1.8亿行证明代码。在此过程中，该模型发现了多年测试都未能发现的错误。Anthropic的目标是使AI形式验证像标准测试一样成为常规流程。

AI 选稿理由Claude首次实现大规模自动代码形式验证，为123个开源库生成1.8亿行证明代码并发现传统测试遗漏的错误。

AI 导读10月下旬爆发大规模AI加速漏洞披露潮，包括PHP2Shell、GitLab、Node.js等关键软件漏洞，以及LiteLLM密码窃取、Quest Diagnostics数据泄露等事件。Anthropic推出Claude Duet主动代理，MiniMax发布M3.1 Flash模型，DeepSeek V4.1 Flash在CVE发现成本上领先。同时，三星2027年HBM产能售罄，价格预计上涨200%。

AI 选稿理由新增大规模AI加速漏洞披露事件及多家公司模型发布，包含具体漏洞细节和性能数据。

AI 导读MIT历史本杰明·林德奎斯特教授在《过去与现在》期刊发表论文，追溯AI幻觉的起源至20世纪50年代早期工程师的研究。这些工程师认为，为使机器能像人类一样思考，必须注入一定程度的非理性。早期神经网络通过随机性模拟人类创造力，而现代AI系统已被'打磨'以减少意外输出，但创造力与可预测性之间存在必然权衡。

AI 选稿理由揭示了AI发展历史中创造力与可预测性之间的权衡关系，以及早期工程师对AI系统设计的根本性思考。

AI 导读研究提出一套评估蛋白质-配体结合预测结构化方法的指南，强调透明披露训练数据、代码和程序的重要性，以促进可重复性、重用和独立审查。指南还强调防范数据泄露、采样偏差和设计缺陷，并建议使用共同数据分割、运行间变异性检查和性能基线进行有意义的方法比较。

AI 选稿理由该指南为蛋白质-配体结合预测领域提供了标准化的评估框架，有助于提高研究可重复性和方法比较的可靠性。

AI 导读微软与Hugging Face联合发布ThinkingBox-Training，通过将数据库终端状态的执行检查转化为奖励信号，对Qwen3.8-27B模型进行50步GRPO微调。结果显示，模型在ThinkingBox-Bench基准测试中的平均成功率从51.70%提升至60.78%，20次尝试全部成功的任务数量从38个增加到107个。该训练方法使用离线策略相对难度选择训练任务，显著提高了代理的可靠性和重复成功率。

AI 选稿理由提供了一种将数据库状态检查转化为强化学习奖励的新方法，显著提升了代理在业务工作流中的可靠性和重复成功率，适用于需要高可靠性的数据库操作场景。

AI 导读AWS宣布SageMaker AI serverless模型定制新增训练会话功能，允许开发者编写和协调训练循环，包括自定义损失函数或奖励信号，同时由平台处理GPU分配、分布式执行、故障恢复和检查点存储。支持SFT、DPO、RLVR、RLAIF或多轮强化学习等技术，可选择LoRA或全参数微调，并提供训练会话食谱和模型定制代理技能。目前支持gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B和Qwen3.8-27B模型。

AI 选稿理由AWS SageMaker AI训练会话提供基础设施管理下的自定义训练循环控制，支持多种后训练技术和多轮强化学习，降低模型定制门槛。

AI 导读AWS推出SageMaker训练会话API，允许开发者编写自定义训练循环，同时由服务管理GPU基础设施。该API提供forward_backward、optim_step和sample等操作，支持监督微调、强化学习等多种训练方法，并按使用量计费。同时发布训练会话食谱库，包含SFT和RL等可运行示例。

AI 选稿理由提供了一种新的训练范式，让开发者可以专注于算法逻辑而非基础设施管理，同时保持对训练过程的完全控制。

AI 导读Modal CEO Erik Bernhardsson在访谈中解释了公司如何通过聚合客户需求实现弹性计算，并分享了GPU采购策略。Modal沙盒产品已占公司收入三分之一，最初因需求不足差点被关闭，后因代码生成代理和强化学习需求激增而快速增长。公司目前年化收入达10亿美元，估值160亿美元，已创建近30亿个沙盒环境。

AI 选稿理由揭示了AI基础设施提供商如何通过需求聚合解决GPU容量矩形化问题，以及沙盒产品从边缘到核心业务的转变过程。

AI 导读AWS博客介绍了一种基于实际测量的文本转语音(TTS)自动扩缩容配置方法，通过测量单实例最大并发请求数(Q_max)和实际扩容时间(T_total)，替代传统的猜测式配置。该方法使用Kokoro-82M模型在SageMaker实时端点进行测试，通过五步工具链(drift、qmax、ttotal、plan、validate)实现精确的扩缩容策略，解决了传统配置可能导致的资源浪费或服务延迟问题。

AI 选稿理由提供了一种基于实际测量的TTS自动扩缩容配置方法，适用于所有延迟敏感、并发受限的SageMaker实时端点。

AI 导读Rescale在AWS上使用AI驱动开发生命周期(AI-DLC)框架，在5天内构建并部署了智能测试分类代理，几周内投入生产。该代理自动分类夜间端到端测试失败，生成结构化修复报告，与人工分类准确率从44%提升至68%，减少了20%的生产部署阻塞时间。

AI 选稿理由Rescale通过AI-DLC框架快速构建并部署了智能测试分类代理，实现了测试失败分类自动化，提高了工程效率。

AI 导读前摩根大通能源衍生品交易员Anekha Sokhal创立Moshi，开发了一个实时处理海量市场数据的推荐引擎，帮助交易员快速获取与投资组合相关的关键信息。该系统整合结构化数据、基本面数据、新闻和替代数据，并通过推荐系统连接相关信息点，类似于Bloomberg、Claude和Netflix的结合体。

AI 导读IBM发布Granite Timeseries Ensemble，集成四种互补架构的时间序列预测模型，提供概率和四分位数预测，无需重新训练或拟合集成权重。在GIFT-Eval基准测试中，集成模型在点预测和概率预测上均优于单个成员模型，为时间序列预测提供了稳健的默认选择。

AI 选稿理由提供了一种无需重新训练即可结合多种时间序列模型预测的新方法，在97种数据配置上验证了其有效性。

AI 导读欧洲零售商正使用开放模型和物理智能技术，包括Shopify通过后训练模型将推理成本降低90%，Zooplus实现86%搜索准确率，L'Oréal将成分筛选时间从数月缩短至数小时，以及Mirakl处理7000万产品数据。NVIDIA还提供数字孪生技术帮助优化仓库运营和虚拟试衣体验。

AI 选稿理由展示了NVIDIA技术在欧洲零售业的具体应用成果，包括成本优化、准确率提升和效率改进，适用于零售和消费品行业。