OpenAI 推出 Decisions API，将复杂评估简化为是/否或单选
OpenAI 宣布 API 平台两项更新，其中新的 Decisions API 可评估文本、图像或两者，运行速度约为 Responses API 的十倍，目前处于公开测试阶段，即将正式可用。
#推理
The DecoderAI 评分6969
Hugging Face Blog精选AI 评分6666 Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-改进的推理流程，让 Nemotron-3-Ultra-CC 在 IOI 2026 取得 535.4/600，超过 361.12 的金牌线，也高于人类最高分 498.27；IMO 2026 系统则拿到 30/42，超过 29 分的官方金牌线。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可据此复现领域专家模型。
Simon WillisonAI 评分6262 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有的 3800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
Microsoft ResearchAI 评分2222 微软研究播客：AI 会犯哪些错，失败能教给我们什么
微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动当前 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规评测时出现的“意外失败”。Neville 还分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时深入检查数据的重要性。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，预览 API 已在 Mistral Studio 上线，权重将于本月底发布。
推荐理由：Mistral 官方给出 1 万亿参数多模态模型的开放权重路线与自建欧洲算力背景，可据此判断开源前沿模型的竞争格局。
MIT Technology Review · AIAI 评分4646 别被迷惑——LLM 并不会真正推理
前 Google DeepMind 研究员指出，LLM 靠逐个预测 token 生成答案，其链式推理仍由同一套 next-token 过程产生，因此不构成真正推理。他认为这类模型缺乏可检查的持久认知状态、知识与推理的分离，且链式推理常是事后编造。他主张借鉴 AlphaGo 的搜索架构，为 AI 建立显式的认知状态与独立推理机制。
Latent SpaceAI 评分3434 MIT 的 Alex Zhang 谈 RLM、GPU Kernel 与智能体集群：学术界的雄心
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其 Recursive Language Models（RLM）等工作，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
Latent Space精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon，支持 100 万 token 输出
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，首发仅限政府用户与 Fairwind 计划中的可信网络防御者，后续再向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，便于对照其与 Astra、Opus 5.5 的实际差距。
Import AIAI 评分3232 Import AI 474：柏拉图式心智空间、太空中的 TPU、智谱启动外层 RSI 循环
智谱（Zhipu）启动了一个"外层 RSI 循环"，探索递归自我改进的新路径。Michael Levin 提出"心智入侵"理论，认为心智是来自柏拉图式模式空间的非物理模式，身体和机器只是其进入物理世界的接口，xenobots 和 anthrobots 等实验显示简单系统能展现出算法未预设的智能行为。本期还讨论了太空中的 TPU 部署。
Google ResearchAI 评分2828 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。该方法基于 Gemma3-4B 和 Qwen3-4B 微调，无需测试时 CoT 推理 token，即可满足多样性、覆盖度等集合级属性。
Import AIAI 评分3030 Import AI 469：DiG-bench 游戏发现基准、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 介绍了新基准 DiG-bench，包含 70 款规则与目标均隐藏、需靠交互探索发现的游戏，Opus 5 与 Fable 5 搭配 Claude Code 表现最佳，但仅能在 Tier 7 完成 0.2 的任务，远逊于人类 100% 的成功率。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，并加入结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配到 Apple Silicon。
推荐理由：展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的方法，读者可据此判断跨硬件内核迁移的可行路径。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离并监督为自然语言"信念状态"，替代完整交互历史作为智能体工作上下文。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3232 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分3838 GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得可行。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型下脆弱的“状态-输入”梯度问题。
Berkeley AI ResearchAI 评分3232 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融达到 SPEX 的性能。