多轮强化学习训练常因探索效率低下而不稳定。为此，研究团队提出T^2PO框架，在细粒度层面实施不确定性引导的探索控制。在令牌级别，它监测不确定性动态，当边际变化低于阈值时触发思考干预；在轮次级别，它识别探索进展可忽略的交互并动态重采样，以避免无效计算。在WebShop、ALFWorld和Search QA等多个环境中的评估表明，T^2PO显著提升了训练稳定性与任务性能，并实现了更高效的探索。相关代码已开源。
研究探讨了深度受限Transformer在Horn子句上进行隐式演绎推理的缩放规律。通过系统解耦可证明性与虚假特征、并强制算法对齐，发现在具备双向前缀掩码的足够深模型中，隐式推理在不同图拓扑和问题宽度上能够接近显式思维链的性能表现，但深度外推任务仍需依赖思维链方法。
推理密集型检索旨在为下游推理提供证据支持，而非仅匹配主题相似性，这对需要迭代搜索与证据合成的智能体搜索系统至关重要。针对现有评估与训练的不足，研究发布了BRIGHT-Pro专家标注基准，为每个查询扩展了多维度黄金证据，并在静态与智能体搜索两种协议下评估检索器。同时，研究构建了RTriever-Synth合成语料库，通过生成互补正例和正例条件硬负例，对Qwen3-Embedding-4B进行LoRA微调得到RTriever-4B。实验表明，维度感知与智能体评估能揭示标准指标所掩盖的检索行为，而RTriever-4B相比其基础模型取得了显著提升。
JoyAI-Image是一个统一的多模态基础模型，集成了视觉理解、文本生成图像和指令引导的图像编辑功能。它通过空间增强的多模态大语言模型与多模态扩散变换器的耦合架构，实现了感知与生成的交互。其可扩展的训练方案融合了统一指令调优、长文本渲染监督及空间编辑信号，增强了模型的几何感知推理与可控视觉合成能力。实验表明，该模型在多项基准测试中达到领先或极具竞争力的性能。其核心在于通过增强理解、可控空间编辑和新视角推理之间的双向循环，推动模型向更强的空间智能演进，为下游应用提供了新路径。
研究团队提出PORTool算法，以解决多工具集成推理中仅依靠结果奖励导致的信用分配模糊问题。该方法通过重要性感知策略优化，在结果级监督下强化智能体的工具使用能力，同时实现步骤级奖励分配。PORTool生成奖励树来明确关键决策步骤，从而更精确地引导模型学习有效的工具调用序列，提升复杂任务解决的效率和可靠性。
加州大学圣地亚哥分校的研究团队在谷歌TPU上成功部署了DFlash，一种基于块扩散的推测解码方法。该方法突破传统自回归草稿生成的序列性瓶颈，通过单次前向传播并行“绘制”整个候选令牌块，而非逐个预测。系统平均实现了3.13倍的推理加速，峰值性能接近EAGLE-3等现有方法的两倍。这一开源方案已集成至vLLM生态系统，通过利用“免费”的并行验证能力和针对复杂推理任务的高质量草稿预测，显著优化了TPU硬件的利用效率。
关联讨论 1 条X：Berry Xia (@berryxia)基于开源模型和商用GPU的广告支持型AI在经济上可行。计算表明，一个由4块B200 GPU组成的集群服务300名用户时，每小时成本约18美元。通过广告收入即可覆盖成本：在内容网络中每3分钟展示一条广告（CPM 3.12美元），或在搜索广告中每39分钟展示一条（CPM 38.40美元），这一广告频率已与常见的移动和网页应用相当。对于代码代理等高强度任务，可采用混合盈利模式：用户每月支付10美元订阅费并每日观看8条广告，即可支持约200万token的用量，这证明了该模式的实用性。
据报道，AI公司Anthropic正考虑引入英国芯片初创企业Fractile的推理芯片，计划将其作为英伟达GPU、亚马逊Trainium和谷歌TPU之外的第四类AI算力资源，目标在2027年部署。谈判目前仍处早期阶段。Fractile芯片采用独特的“模拟内存计算”架构，宣称运行头部AI模型时速度可提升25倍，成本降至十分之一。该公司此前已获得英特尔前首席执行官帕特·基辛格的投资。
AI芯片制造商Cerebras Systems计划在纳斯达克上市，股票代码为CBRS。据路透社报道，其IPO路演将于周一启动，目标股价区间为115至125美元。此次上市是公司的第二次尝试，目标估值达到400亿美元。
文章反驳了将大型语言模型视为更高层次抽象的观点。作者认为，LLMs本质上仍是对训练数据的模式匹配与统计关联，并未真正理解或抽象出人类概念。其输出依赖于海量文本中的概率分布，而非构建内在的认知模型。这种机制导致模型在逻辑推理、事实一致性等方面存在局限，无法实现类似人类思维的抽象层级。因此，LLMs应被看作一种强大的模式识别工具，而非认知意义上的抽象系统。
豆包在免费模式外新增付费订阅服务，推出三档价格：标准版连续包月68元、包年688元；加强版连续包月200元、包年2048元；专业版连续包月500元、包年5088元。付费功能专注于复杂任务和生产力场景，如PPT生成、数据分析和影视制作，以满足专业用户对高价值任务的需求。免费版本将继续服务日常使用，官方表示相关方案仍在测试阶段，正式上线时会公布完整信息。
OpenAI 将 GPT-5.5 的每 token 价格翻倍，但模型输出更简洁。实际使用测量显示净成本影响取决于用户场景。
为解决大模型推理成本高昂的问题，研究者提出了协作式多教师解码框架CoRD。该框架通过基于预测困惑度的评分和束搜索，引导多个异构大模型协同构建连贯的推理轨迹，解决了现有方法中教师间缺乏协作、推理冗余的问题。实验表明，CoRD能生成更高质量的推理数据，使学生模型以更少的监督信号达到接近教师模型的性能，且效率开销小。该方法在跨领域和开放性任务中泛化能力良好，相关数据集和模型已开源。
检索增强生成（RAG）方法通过筛选相关上下文提升大型语言模型性能，但传统单步检索难以应对复杂问题。现有多步检索方法通常微调小型LLMs，资源消耗大且无法利用更大模型。本研究提出Q-RAG，采用强化学习微调嵌入器模型以实现多步检索，避免了资源密集问题。该方法在开放域问答任务中提供资源高效的替代方案，并在长上下文基准测试BabiLong和RULER上取得最先进结果，支持高达1000万词元的上下文。代码已开源。
本文提出HeavySkill新视角，将深度思考视为智能体协同框架的内化核心技能，而不仅是最小执行单元。该技能被定义为“并行推理后总结”的两阶段流程，可内化于模型参数中，驱动协同框架解决复杂任务。实证研究表明，HeavySkill在多个领域均优于传统的Best-of-N策略，更强的大语言模型甚至能接近Pass@N性能。关键发现是，该技能的广度与深度可通过强化学习进一步扩展，这为大型语言模型内化复杂推理、减少对外部脆弱协同层的依赖提供了可行路径。
OpenAI的o1系统在急诊分诊诊断测试中表现优于医生。该系统对急诊患者的诊断准确率达到67%，而分诊医生的准确率仅为50%至55%。这一结果表明，人工智能在辅助医疗诊断、特别是急诊场景的初步分诊环节具有显著潜力，其准确率领先人类医生约12至17个百分点。相关研究由哈佛团队进行，具体数据来自《卫报》的报道。
美光科技CEO桑杰・梅赫罗特拉表示，当前AI浪潮仍处早期阶段，推理应用扩大导致对高速、大容量存储需求激增。目前DRAM和NAND闪存供应持续紧张且产能提升困难，预计今年AI对这两类存储的需求将超过行业总市场规模的一半。美光正为英伟达新平台供应HBM4样品，并计划明年量产HBM4E。尽管企业需求旺盛，但受供应限制和价格上涨影响，消费电子市场的PC和移动设备销量可能出现低双位数下滑。公司预计第三财季将再次刷新业绩纪录。
研究提出新视角，将注意力机制数学重构为具有动态预测参数的多层感知机，从而解释其全局建模能力源于动态参数对全局上下文的隐式压缩表征。基于此，研究探索能否完全通过动态参数化实现Transformer级别的序列全局建模，同时保持线性复杂度以替代显式注意力。通过在视觉模型上进行大量实证研究，证实动态参数化确实可以作为一种高效、线性复杂度的显式注意力替代方案，为高效序列建模开辟了新途径。相关代码已开源。
研究引入“稳定计数能力”评估法，通过让大语言模型重复计数符号直至出错，检验其程序性可靠性。该方法避免了知识依赖、语义模糊和分词干扰。对超100个模型变体的测试显示，其稳定计数能力远低于宣传的上下文长度上限。模型行为表明其依赖于有限的内部计数状态，类似“掰手指”计数；一旦该资源耗尽，规则遵循表象便消失，精确执行退化为随机猜测，即使增加计算资源也无改善。这表明当前模型的流畅表现并不等同于普遍可靠的规则遵循能力。
针对语言模型需从复杂上下文中学习的问题，本文提出Ctx2Skill自进化框架。该框架通过多智能体自我博弈（挑战者生成探测任务、推理者运用技能集解题、评判者提供反馈）实现无需人工监督的技能自主发现与优化。关键设计包括分析失败案例以针对性更新技能的提议者与生成者，以及防止对抗性崩溃的跨时间重放机制，确保技能集在代表性案例上达到平衡。在CL-bench的四个上下文学习任务上的评估表明，该框架能持续提升不同骨干模型的解题成功率。
哈佛医学院与贝斯以色列女执事医疗中心的研究显示，OpenAI的一款推理模型在真实临床病例测试中，其诊断与制定治疗方案的能力达到甚至超越了人类医生水平。研究重点测试了模型在急诊科等信息不完整、混乱的真实场景中的表现，模型仅依据当时可获得的电子健康记录文本进行判断，在多个诊疗环节及复杂诊断推理测试中的表现超过了两名经验丰富的医生以及一个大型医生基准组。但模型目前完全依赖文本病历，未处理影像等关键信息。研究者强调，AI并非取代医生，而是有望成为临床决策支持工具，尤其适用于急诊等高压环境。下一步需在真实临床环境中测试其对患者结局的实际改善效果。
ARC Prize Foundation 对 OpenAI 的 GPT-5.5 和 Anthropic 的 Opus 4.7 在 ARC-AGI-3 基准测试中的 160 次任务运行进行了分析。研究发现，三种系统性错误模式导致这两个模型在人类能轻松解决的任务上得分均低于 1%。这些错误揭示了当前顶尖大语言模型在抽象推理能力上仍存在根本性缺陷。
xAI 正式推出 Grok 4.3 模型，其核心策略是大幅降低价格并增强工具使用能力。新模型在实际任务处理上有所提升，但在性能上仍落后于 OpenAI 和 Anthropic 的顶尖模型。此次发布还引入了一个基于智能体的新型图像生成器“Imagine”模式，专门服务于创意项目。
AMD第一方迷你主机锐龙 AI Halo实物照片在Reddit上被分享，确认了设备设计。该主机基于AMD锐龙 AI Max+ 395处理器，最高支持128GB统一内存，造型方正，顶部有AMD企业徽标，四周环绕ARGB灯带，后置接口包括多个USB-C、HDMI和有线网口。消息称这款设备将在今年6月正式推出。
x.ai 正式发布了 Grok 4.3 模型，开发者可通过官方文档获取详细信息。该模型在 Hacker News 社区获得关注，相关帖子收获了 100 点热度。此次发布标志着 Grok 系列模型的持续迭代更新。
Google Deepmind正在开发一款“AI协诊医生”系统以辅助医生诊疗。在模拟研究中，该系统表现优于GPT-5.4，但仍未达到经验丰富医师的水平。研究同时指出，类似ChatGPT语音模式的技术目前尚无法胜任严肃任务，更难以应用于医疗咨询场景。这项进展揭示了AI在专业医疗辅助领域的当前能力边界与发展潜力。
Mistral 发布其新旗舰模型 Mistral Medium 3.5，它将此前独立的聊天、推理和代码生成模型合并为一个单一产品。同时，该公司为其编程工具 Vibe 增加了异步云代理功能，并为聊天产品 Le Chat 引入了新的智能体模式。
韩国投资证券研报指出，即便内存芯片短缺问题缓解，其价格短期内也不会显著下降。AI超大规模企业已锁定长期内存产能订单，这将延长当前的内存超级周期，预计价格在未来一段时间内持续高位运行。扩大内存容量可提升GPU利用率，降低单个Token处理成本，因此AI公司愿意高价采购。目前DRAM价格同比已涨3倍，但GPU效率提升带来的回报更高。同时，HBM和DRAM的产能紧张意外推高了NAND芯片需求，其价格优势在高压需求下保持了市场弹性。
本期IT早报主要内容包括：追觅科技CEO要求全体员工开通社交媒体账号并发布视频；OPPO计划下半年推出效仿苹果风格的四曲面设计手机；iPhone 18 Pro系列或将迎来史上最大相机硬件升级。此外，极越汽车关联主体进入合并重整程序，DeepSeek发布多模态模型技术报告，央视曝光部分充电头功率虚标，宇树发布起售价2.69万元的双臂人形机器人，比亚迪与高德地图达成充电合作，支付宝等17家支付机构牌照获续展，华为鸿蒙新版本占比提升，以及小米大屏旗舰手机预计5月下旬发布。
针对可验证奖励强化学习可能抑制生成多样性的问题，本文提出负样本投影残差强化学习框架。该方法通过理论分析，将负样本标记的隐藏表示投影到基于奇异值分解的低秩正子空间，并利用投影残差来调制负梯度，从而解耦正负响应间的相似语义分布。在涵盖数学、代码、智能体任务和函数调用的12个基准测试中，ResRL平均表现优于基线方法，尤其在数学推理上较负样本强化学习方法显著提升，实现了推理能力与生成多样性的协同优化。代码已开源。
针对大型多模态模型后训练中SFT阶段引发的分布漂移问题，研究团队提出了PRISM三阶段流程。它在监督微调与强化学习验证奖励之间，新增了一个基于在线策略蒸馏的显式分布对齐阶段。该阶段将对齐构建为策略与混合专家判别器之间的黑盒对抗游戏，由感知和推理专家提供解耦的纠正信号。团队使用来自Gemini 3 Flash的11.3万条高保真演示进行对齐。在Qwen3-VL上的实验表明，PRISM能持续提升下游强化学习性能，使4B和8B模型在多个基准上的平均准确率较基线分别提升4.4和6.0个百分点。
DeepSeek发布了多模态大模型及技术报告，提出创新的“基于视觉原语的思考”框架。该框架将点、边界框等视觉元素作为推理的基本单元，旨在解决多模态模型在空间参照任务中存在的“参照鸿沟”核心问题，使模型能将抽象认知锚定到图像的具体坐标上。尽管模型规模紧凑且图像标记预算较低，其在多项挑战性计数和空间推理基准测试上的性能，可与GPT-5.4等前沿模型相媲美。
联发科CEO蔡力行表示，人工智能浪潮持续，数据中心需求正加速增长。他预计到2027年，全球数据中心专用芯片市场规模将达700亿至800亿美元，联发科相关芯片有望实现数十亿美元营收。尽管公司一季度营收和净利润因手机业务拖累同比下滑，但AI相关业务增长强劲。受AI热潮推动，台积电一季度净利润大增58%，三星电子营业利润暴涨8倍。联发科股价今年已上涨83%。
英特尔与AMD联合发布人工智能计算扩展（ACE）白皮书，将其确立为x86架构的标准矩阵加速方案。该扩展旨在突破现有SIMD扩展在计算密度与扩展性上的局限，通过引入基于外积运算的矩阵加速机制，无缝集成AVX10。据白皮书数据，在消耗相同数量输入向量的前提下，ACE的计算密度比等效的AVX10乘加运算高出16倍。它支持INT8、FP8、BF16等主流AI数据格式，并计划适配PyTorch、TensorFlow等机器学习框架，目标是为从笔记本电脑到超级计算机的全场景提供高效的矩阵加速支持。
谷歌母公司Alphabet在财报会议上确认，将开始向部分精选客户交付TPU硬件设备，供其部署在自有数据中心，这为TPU系列AI硬件开辟了云端算力之外的新变现模式。谷歌近期发布了第八代TPU新品TPU 8t和TPU 8i，性能较上代大幅提升。相关协议预计在今年晚些时候带来少量收入，大部分收入将在2027年实现。此外，Google Cloud在2026年第一季度营收首次突破200亿美元，同比增长63%。
前沿语言模型的强化学习后训练常受限于自回归生成速度。本研究将推测解码作为一种无损加速方法集成到RL生成过程中，在保持目标模型输出分布不变的前提下提升效率。该方案在NeMo-RL框架中结合vLLM后端实现，支持同步与异步流水线，允许在RL生成阶段进行推测。实验表明，在8B规模的同步RL推理任务中，推测解码使生成吞吐量提升1.8倍。通过高保真模拟器预测，在235B规模下结合异步RL可实现最高2.5倍的端到端训练加速。
蚂蚁集团正式开源百灵大模型万亿级综合旗舰模型 Ling-2.6-1T。该模型不单纯追求参数规模，而是通过MLA与Linear Attention混合架构等创新，系统性优化智效比与复杂任务执行能力。其核心是在更低Token开销下实现强综合智能，减少对冗长思考链的依赖，并在AIME26、SWE-bench Verified等多个执行类基准测试中达到开源SOTA水平。模型具备完整的工程落地能力，并与主流Agent框架兼容，旨在成为可部署于真实业务系统的底座。为方便体验，其在OpenRouter平台的免费API调用服务将延期一周。
苹果公司与加州大学圣迭戈分校团队联合发布名为LaDiR的AI推理框架。该框架并非新模型，而是一个可叠加于现有大语言模型之上的通用架构，其核心创新在于结合扩散模型与自回归模型。在推理阶段，LaDiR利用扩散过程并行探索多条独立路径，并通过多样性鼓励机制防止思维过早收敛，最后以自回归方式输出最终答案。测试显示，该框架在LLaMA 3.1 8B等模型上，于数学推理、代码生成及谜题规划任务中，其准确率和可靠性均优于现有通用方法。
智谱GLM的超大规模Coding Agent推理实践，聚焦Scaling Pain（扩展痛点）及其应对经验。