可移植技能实现 Agentic RAG：客服场景部署案例研究
论文报告一个客服场景的部署案例，用可移植技能替代复杂 RAG 栈，该技能由自然语言指令、轻量工具（检索 API、格式检查脚本）和带 LLM 生成导航层的语料组成，导航层是文档之上的 Wikipedia 式结构化索引。
推荐理由：客服场景的部署案例，用可移植技能替代复杂 RAG 栈，给出等价率与延迟数据，并说明适用边界。
论文研究
全部主题值得读的论文与研究：架构创新、训练方法、能力测量与理论进展的精选解读与技术报告。
最新精选
第 1–20 条 · 共 58 条arXiv · cs.AI精选AI 评分6060 Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于证明的通用计算 zkVM
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的程序执行过程，并生成约 12 毫秒即可验证的短证明。它在笔记本上每秒可证明 720 万至 870 万条 RISC-V 处理器指令，在 15 个基准程序上平均比现有最快的 zkVM 快 10 至 39 倍，在代币转账基准上比另外两个系统快 300 倍以上。
推荐理由：微软研究院发布 zkVM 系统 Magnetar，用标准哈希函数证明 Rust、Go、C 程序执行，速度较同类系统提升 10 至 39 倍。
Hacker News · Front Page精选AI 评分8383 神经网络本就是干净的：一项对叠加假说的重新检验
作者在数月研究图像与语言模型神经元后提出，此前被视为多义性与叠加假说的典型证据多被误读，网络把概念任意打包的现象主要是递归泛化，即神经元沿多个方向生长出相关分支。
推荐理由：作者用图像与语言模型的神经元实验反驳叠加假说，提出递归泛化解释，并给出可复现的观察方法。
The Decoder精选AI 评分8383 GPT-6-Astra 在理论物理基准中解出 50 题中的 49 题，单题成本不到 3 美元
一项新基准测试让商用 AI 智能体在无人工提示下解理论物理研究题，GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 50 题中的 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。
推荐理由：一份理论物理论文基准显示，GPT-6-Astra 在 Codex 中解出 50 题中的 49 题，单题成本不到 3 美元，并讨论了 AI 对物理研究训练与资源分配的影响。
量子位精选AI 评分7878 Anthropic 安全实验：GLM-5.2 在隔离网络实现端到端自主复制
Anthropic 两位研究员 William Zhou 和 Daniel Freeman 的安全实验显示，GLM-5.2 在含 8 个 GCP 节点的隔离沙盒中，5 次测试有 4 次自主攻陷并部署全部 8 台设备，另 1 次拿下 7 台，全程自主完成扫描、渗透、传输权重和部署 Llama3.1-8B 推理服务。
推荐理由：Anthropic 安全实验显示 GLM-5.2 可在隔离网络自主复制并部署推理服务，还记录了代际经验传递带来的成功率提升。
Hacker News · Front Page精选AI 评分7878 Anthropic 研究：小模型或可在无数据中心条件下自我复制
Anthropic 发布研究，把自主复制拆成寻找目标、获取执行、建立推理、继续传播四步，重点测试小模型能否在陌生硬件上部署推理。实验中 Gemma4-26B-A4B 分布在 15 台约 55 美元的杂牌 Android TV 盒子上运行，速度约 0.39 tokens/s；9B 模型在 9 类硬件中的 8 类成功跑起推理。
推荐理由：Anthropic 用 15 台廉价 Android TV 盒子跑通 26B 模型分布式推理，并实测小模型自主复制的各环节能力边界。
The Decoder精选AI 评分8888 Google DeepMind 的 AlphaProof Nexus 解出多个开放数学问题并登上 Science
Google DeepMind 的 AlphaProof Nexus 独立解出多个开放数学问题，相关研究发表在 Science 上。它解出 353 个 Erdős 开放问题中的 9 个，其中两个已悬置 56 年，还证明了 OEIS 整数序列数据库中的 44 个猜想、解决了一个代数几何开放问题，并改进了 min-max 优化中的一个已知界。
推荐理由：DeepMind 的 AlphaProof Nexus 在 Science 发表，独立解出多个悬置数十年的开放数学问题，并罕见地走完同行评审流程。
arXiv · cs.AI精选AI 评分6262 LongHarness：用状态化证据管理让智能体推理百万级 token 语料
LongHarness 是一个模型无关的 harness，通过证据与结论协同演化机制，用未解决的结论引导检索、用新证据修正结论，并配合证据生命周期管理保持证据可追溯。
推荐理由：提出模型无关的 harness，把已获取证据与结论显式分离管理，在多个长上下文基准上大幅提升精确匹配率。
量子位精选AI 评分7878 何恺明团队发布多模态 Harness 框架 VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生 Harness 框架 VISTA，让现有多模态模型直接观察环境、保存原始画面，并在推理时随时回看、放大和检查细节，无需从头训练。
推荐理由：何恺明团队提出视觉原生 Harness，让现有多模态模型保存原始画面并按需回看，无需重新训练即可提升交互式视觉推理表现。
量子位精选AI 评分8383 OpenAI 发布 722 篇数学手稿，将挂谷猜想推进到四维
OpenAI 于 10 月 7 日一次性公开 722 篇数学手稿，论文和部分 Lean 证明上传 GitHub，其中编号 074 的两篇共 272 页，作者栏只写 OpenAI。
推荐理由：OpenAI 一次性放出 722 篇数学手稿，其中两篇把挂谷猜想推到四维，数学界围绕署名、审稿与 AI 角色展开争论。
The Verge · AI精选AI 评分8888 OpenAI 一次性发布近 400 条数学结果，数学家称需数年才能消化
OpenAI 本周突然发布近 400 条 AI 生成的数学结果，分布在 700 多份手稿中，覆盖组合数学、几何、数论、理论计算机科学、代数、拓扑、概率与统计力学及数学物理等多个领域。
推荐理由：OpenAI 一次性放出近 400 条数学结果，数学家需要数年才能消化，报道呈现了学术界的震惊与焦虑。
Hacker News · Front Page精选AI 评分8888 数学界回应 OpenAI 大规模数学成果发布：100 多位研究者的反应合集
Proofs and Prompts 博客汇总了 100 多位数学研究者对 OpenAI 于 10 月 6 日公布大量数学问题解法的反应，内容涵盖群论、拓扑、算子代数、算术几何等方向，作者包括 Terence Tao、Peter Scholze、Hugo Duminil-Copin 等。
推荐理由：汇集数十位数学研究者对 OpenAI 一次性公布大量数学问题解法的第一手反应，呈现学界对研究方式与职业前景的真实分歧。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分7171 NVIDIA 微调 Nemotron 3，在 IOI 2026 与 IMO 2026 双双达到金牌水平
NVIDIA 团队从 Nemotron 3 出发，用监督微调、强化学习和反馈驱动的推理流程，在 IOI 2026 与 IMO 2026 上分别取得 535.4/600 和 30/42 的成绩，均超过金牌线。
推荐理由：NVIDIA 用 SFT、RL 加生成-验证-精修流程把 Nemotron 3 微调成 IOI 与 IMO 双金牌级专家模型，并公开数据与配方。
Hacker News · Front Page精选AI 评分8888 Scott Aaronson 谈 Mathocalypse：OpenAI 放出 372 项数学结果之后
得州大学奥斯汀分校理论计算机科学家 Scott Aaronson 记录，OpenAI 在前一天放出 372 项重大数学结果，其中包括他妻子 Dana Moshkovitz 长期研究的 Unique Games Conjecture 证明，部分结果附有 Lean 证书，但几乎没有人类读懂这些证明。
推荐理由：作者以亲历者视角记录 OpenAI 一次性放出 372 项数学结果后，数学界如何消化这些无人读懂的证明。
Hacker News · Front Page精选AI 评分9494 Scott Aaronson 谈 OpenAI 一次性发布 372 项数学结果
Scott Aaronson 在博客中记录，OpenAI 一天内发布了 372 项数学结果，其中包括 Subhash Khot 的 Unique Games Conjecture 证明，部分结果附有 Lean 证书，但几乎没有人类读懂这些证明。
推荐理由：Scott Aaronson 亲历 OpenAI 一次性放出 372 项数学结果后的现场记录，含 UGC 证明细节与两种发布模式对比。
arXiv · cs.AI精选AI 评分6060 MemMux：为并行编码智能体集群提供运行时验证与资源归属
MemMux 是一个本地运行时，把并行编码智能体的资源治理变成可检查信号，包括按智能体归属内存、完整回收、逃逸进程可见、超配下占用受限和监控开销。
推荐理由：针对并行编码智能体的内存归属与回收问题，给出可检查的运行时信号和与 tmux 的对比基准，并公开复现方式。
arXiv · cs.AI精选AI 评分6262 AegisFlow：面向脆弱数据生态的多智能体自愈框架
论文提出 AegisFlow，一个基于 LLM 的多智能体框架，用 Watchdog 智能体采集运行时遥测、Repair 智能体自动创建、测试并部署代码补丁，闭合检测与修复之间的链路。
推荐理由：论文提出用 Watchdog 与 Repair 两个智能体自动生成并验证补丁，在五类数据管道故障中把 MTTR 从 170 分钟降到 3.2 分钟。
The Decoder精选AI 评分8585 OpenAI 在 GitHub 发布 372 项 AI 生成的数学证明
OpenAI 在 GitHub 发布 372 项由内部前沿模型生成的数学结果，每项声称解决一个开放问题或取得实质进展，涵盖主要计算机算法的改进以及与黎曼猜想相关的进展，仓库附带修订日志和引用。
推荐理由：OpenAI 把 372 项 AI 生成的数学结果发到 GitHub 而非期刊，并附 Lean 形式化，数学界对量产证明分歧明显。
Latent Space精选AI 评分8888 OpenAI 内部模型发布 722 篇数学论文，称解决 500 个开放问题中的 90 个
OpenAI 从一个未发布的内部前沿模型发布了一批数学成果，公开在 GitHub 仓库中，包含 722 篇手稿、372 个相关结果族，来自约 4000 个研究问题的评测，每个结果平均消耗约 3 小时 ChatGPT Pro 推理算力，模型本身未发布。
推荐理由：OpenAI 用内部未发布模型产出 722 篇数学论文，平均每个结果约 3 小时 ChatGPT Pro 算力，同时汇总 Mistral、Google 等多家模型动态。
量子位精选AI 评分8888 OpenAI 公开 722 篇数学手稿，涉及准黎曼猜想与霍奇猜想
OpenAI 公开 722 篇数学手稿，归为 372 组结果，全部出自一个尚未发布的内部模型，论文、源码和部分 Lean 证明已上传 GitHub。手稿涉及准黎曼猜想、霍奇猜想、BSD 猜想、π 的无理性指数等，OpenAI 称模型尝试约 4000 个研究问题，平均每项结果算力约相当于 ChatGPT Pro 思考 3 小时。
推荐理由：OpenAI 用未发布内部模型产出 722 篇数学手稿，覆盖准黎曼猜想、霍奇猜想等，数学家对核验进度和产出速度提出质疑。