为什么 PPO 难以做出顶级棋类引擎:一个中国象棋项目的实验复盘
作者复现腾讯 Mastering Chinese Chess AI (Xiangqi) Without Search 后,把 PPO 模型分别接入 αβ、MCTS、BFMS 三种搜索,等节点对战全部失败。
作者复现腾讯 Mastering Chinese Chess AI (Xiangqi) Without Search 后,把 PPO 模型分别接入 αβ、MCTS、BFMS 三种搜索,等节点对战全部失败。
OpenAI 为 GPT-6.2 Astra 和 Sol 发布新的提示词模板,覆盖写作风格、主动性和编码,并建议迁移开发者重新检查系统提示。Astra 默认比早期模型更简洁直接,开发者应重新考虑“be concise”类指令;模型在意图不清时应做出可逆假设并继续工作,仅在任务范围重大变化、真实阻塞、需用户决策或不可逆操作前暂停。
推荐理由:原文汇总了 OpenAI 针对 GPT-6.2 Astra 和 Sol 的系统提示建议,读者可直接对照调整现有 prompt 并了解 API 行为变化。
Anthropic 数学家 Levent Alpöge 在个人网站宣布,他与 Claude 合作找到了黎曼猜想及广义黎曼猜想的证明,并以 Lean 形式化代码形式公开 14 个压缩文件供外界验证,未引入额外未经证明的假设。
Thinking Machines 发布开源模型 Inkling 2 Mini,它是一款循环 Transformer,24 层中的 12 层会对每个 token 连续运行三次,从而在少生成文本的情况下完成更多内部推理。
34岁的Anthropic数学家Levent Alpöge声称与Claude合作找到黎曼猜想的证明,公布4页PDF文档和拆成14个压缩包的Lean形式化证明代码,转成完整文档预计超过25万页。
Anthropic 数学家 Levent Alpöge 称在 Claude 协助下证明了黎曼假设,仅发布 1.3GB、约 25 万页等价的 Lean 代码而非完整论文;Elliot Glazer 确认形式化命题为 GRH,估计 Lean 出 bug 概率远低于 1%,代码仍在编译。
推荐理由:原文并置了 Claude 生成、可机器验证但无人能通读的 Lean 证明与人类撰写、可读但待审的 940 页证明,读者可借此思考验证与理解的分离。
OpenAI 发布公告,称已加强 GPT-6.2 Astra 和 GPT-6.2 Sol 对内部推理思考链的保护,降低其他模型通过提取推理过程获取其能力的风险。
Anthropic 数学家 Levent Alpöge 称与 Claude 合作找到黎曼猜想的证明,公开 4 页说明及 Lean 形式化证明文件,陶哲轩回应称理解和消化仍需时间,目前该成果尚未经独立验证。
OpenAI 发布 MedChemBench 基准,用于评估模型在药物化学研究中的推理能力,评测分为分子结构、科学解释、排序与选择、性质预测四个部分。该基准包含 99 道题目,取自 117 篇论文与专利,涉及 761 个不同分子结构;在 xhigh 推理档下 GPT-6.2 Astra 获得 84.5% 的可用分数,GPT-6 Astra 为 83.3%。
本文梳理了用形式验证应对 AI 生成代码质量问题的趋势,介绍 &Truth、Harmonic、Theorem 和 Axiom Math 等公司的做法。
OpenAI 大幅强化了 GPT-6.2 Astra 与 GPT-6.2 Sol 的内部推理保护,内部自动化测试显示,从先前请求提取受保护推理的攻击成功率由 GPT-6 Astra 的 54.0% 降至 GPT-6.2 Astra 的 0.2%,当前请求攻击从 22.9% 降至 0.9%。
Hebbia 在金融研究测试中发现 GPT-6 Astra 在来源引用与演示文稿生成两项任务上领先所有受测模型:其引用所需来源类型的得分比最佳替代模型高 13.6 个百分点,99.5% 的引用片段与问题相关。
OpenAI 推出 MedChemBench 基准,通过 99 道源自药物化学文献的推理题评估 AI 模型连接分子结构与实验证据的能力。在 xhigh 推理设置下,GPT-6.2 Astra 获得 84.5% 的得分,领先 GPT-6 Astra(83.3%)与 GPT-5.6 Sol(58.2%)。GPT-6 Astra 在分子结构重建上表现最强,但化合物选择与数值性质预测仍更具挑战。
OpenAI 分享其检测与打击对抗性蒸馏的防御体系,并强化了 GPT‑6.2 Astra 与 GPT‑6.2 Sol 的受保护推理防护,内部自适应黑盒评估中攻击成功率从 GPT‑6 Astra 原有防护下的 54.0% 降至 0.2%。
推荐理由:原文给出了对抗蒸馏的攻击路径与多层防御设计,读者可了解保护推理痕迹为何成为模型安全的关键环节。
METR 发布更新版时间跨度图报告:前沿模型在可验证任务上继续沿指数轨迹提升,约每四个月可成功完成的任务长度翻倍,但在需要判断力的开放式任务上仍落后于人类。
Anthropic 数学家 Levent Alpöge 声称在 Claude 的帮助下证明了黎曼假设,证明以 Lean 呈现并发布在其个人网站,但尚未获得独立验证,Anthropic 也未置评。
数学家 Levent Alpöge 表示,自己与 Claude 合作相信已发现黎曼猜想的证明,并称该方法容易推广到广义黎曼猜想,有望进一步处理扩展黎曼猜想。他称双方已将论证在无假设条件下形式化,并感叹 Claude 在最后阶段远超自己的速度,相关说明见 alpo.ge/remark.pdf。
Anthropic 数学家莱文特·阿尔波格宣称与 Claude 合作完成了黎曼猜想的证明,已将证明编写为 Lean 代码并公布论文(https://alpo.ge/remark.pdf),他还称该结果同时覆盖范围更广的广义黎曼猜想。
11月17日,清华系AI基础设施企业清昴智能联合华为昇腾生态及多家产业伙伴发起昇腾950DT万卡级Token工厂联合运营计划,目标打造国内规模最大的独立国产Token工厂。
作者复盘了一套 agent 工作台的工程配置:单模型按四档思考模式分层路由,权限按有序求值保证边界,视频生成靠三层质检把主观判断拆成可计算信号。所有耗时、覆盖率、召回率和阈值均来自实机测量,换机器、换素材、换模型都需重测;项目配置已开源在 GitHub。
小米 MiMo Token Plan 的 Pro / Max 套餐自 11 月 19 日起限时支持 MiMo-V2.6-Pro-UltraSpeed 超高速推理模型。该模型在保持 V2.6-Pro 旗舰性能的同时提供最高 20 倍输出速度,适用于量化交易、实时风控、科学研究和实时编程辅助等场景。
TaurusDB 接入华为云 MaaS,把文本推理、文本向量化与语义检索变成 SQL 表达式,模型结果可直接查询或写回表中。AI_GENERATE 与 AI_EMBEDDING 负责调用模型,STORED 生成列自动保存向量,配合 VEC_DISTANCE_COSINE 即可用 SQL 实现 RAG。
谷歌 DeepMind 工程师 Omar Sanseviero 在办公激光打印机上成功运行 Gemma 3 270M 模型,峰值仅占用约 14.1MB 内存,每个词元耗时约 60 秒。
迈特芯宣布其 3D-TPU 芯片 Mega188 成功回片点亮,该芯片采用三维堆叠与混合键合工艺集成 3D DRAM,可提供 2/4/8GB 内存与 600GB/s 峰值内存带宽。Mega188 支持 5W 低功耗模式并适配多种终端设备,实测可在 Qwen3-8B 上实现 80 TPS 推理速度。
Google 发布 Gemini 4 Neon 模型,支持 100 万 token 上下文,每百万输入 token 定价 3 美元。网易 UU 远程将于 12 月 1 日推出 VIP 与 SVIP 付费会员,基础远程服务持续免费。早报还涵盖 Google Play 折叠屏适配新规、AMD Instinct MI450X、Nginx RCE 漏洞及 Microsoft To Do 停用等消息。
Amazon SageMaker AI 的推理推荐功能现在默认监控生成式 AI 推理端点,自动发现延迟漂移、GPU 闲置和未启用的优化。监控仅读取延迟、GPU 利用率等运行信号,不读取请求或响应内容;发现结果通过 AWS Health 推送,可在 SageMaker Studio 的智能体体验中对备选配置做并行基准比对,基准在独立算力上运行,确认后才生效。
AWS 为 Amazon SageMaker AI 推出跨区域推理路由,应用调用一个 inference router 即可访问多个 Region 和 AWS 账户下已运行的端点;本地目标健康时流量留在本 Region,目标无法可靠服务时新请求自动转移到其他已注册目标,恢复后再逐步回迁。
推荐理由:原文把健康度评分、故障转移和回迁策略讲得较细,读者可判断能否用它替换自建的跨区域路由代码。
阿里巴巴集团 CEO 吴泳铭在 2027 财年第二季度财报分析师电话会上表示,2027 年和 2028 年将是中国算力最紧缺的两年。他称 2027 年以后阿里云芯片供给都会以国产平头哥芯片为主,旗舰芯片优先满足大模型训练,推理层面会采购更多其他国产芯片;千问已经在平头哥芯片上训练下一代模型,百炼已经基于国产芯片提供模型推理服务。
推荐理由:原文给出了未来两年国内算力供需的判断和国产芯片替代时间表,读者可据此评估国内 AI 算力格局。
Google DeepMind 发布 Gemini 4 Neon,这是其七周内发布的第四款模型,速度接近 Carbon 的两倍,多数基准得分更高且价格更低。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Neon》
Google DeepMind 发布 Gemini 4 Neon,约七周内推出的第四款 Gemini 4 模型,每百万 token 输入 $3、输出 $15,上下文窗口 1M。
11 月 18 日,Google DeepMind 发布 Gemini 4 系列第 4 款元素模型 Neon,取代 Gemini 3.1 Pro 与 Argon 的生态位,定位介于旗舰 Carbon 与轻量模型 Hydrogen 之间。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Neon》
谷歌正式发布 Gemini 4 家族新主力模型 Gemini 4 Neon,发布当天即在 Google AI Studio、Gemini App、企业端 API 及编程环境 Google Antigravity 全量上线。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Neon》
Exa 将嵌入基础设施迁移至 AWS Neuron 硬件(AWS Inferentia2 与 AWS Trainium2),实现约 50% 的吞吐量提升。通过权重布局优化、autocast、NKI 内核与自定义融合 SwiGLU MLP 内核,该方案在保持 0.999 余弦相似度的同时消除了内存瓶颈。此次升级支持对 300 亿份高优先级文档的重新嵌入,以优化其语义搜索网络索引。
OpenAI 发布分析,量化编程智能体在加速 AI 研究方面的作用,指出其表现仍参差不齐。文章进一步探讨了这种不均衡对递归自我改进意味着什么。
推荐理由:原文量化了编程智能体在加速 AI 研究中的不均衡表现,读者可据此判断智能体在哪些研究环节真正可靠。
Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学工作流,今日起在 Gemini API、Google AI Studio、Gemini for business、Google Antigravity 和 Gemini app 逐步推出。
推荐理由:原文给出 Neon 与 Carbon 在多项基准上的成本和性能对比,读者可据此判断它在复杂工作流中的性价比。
AWS 在 SageMaker Studio 中推出 JumpStart 模型排行榜,可横向比较 70 多个开放权重模型的质量、速度和成本,模型来自 Meta、Google、Qwen、IBM 和 Arcee 等提供商。
推荐理由:原文说明排行榜如何用统一方法测量质量、速度与成本,读者可据此建立从筛选到部署的选型流程,不必再拼接不同来源的数据。
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B,用 Miles 强化学习框架在长程智能体任务上训练,会话最长 1M tokens。
推荐理由:原文给出以 1,200 个任务、18 天、144 张 H200 完成长程智能体强化训练的完整做法,可作类似训练方案的参考。
Nvidia 公布截至 10 月 25 日三个月数据中心营收同比增长 110% 至 $107.6 billion,AMD 营收同比增长 45% 至 $13.4 billion,显示前沿 AI 训练暂停并未冲击芯片需求。
OpenAI 发布 GPT-6.2 Astra 与 Sol,Astra 在 Artificial Analysis 的 Intelligence Index 得 62 分、仅次于 Fable 5.2 的 65,Sol 以约 15% 的单任务成本追平 9 月版 Astra。
推荐理由:汇总了 Artificial Analysis、Vals 等第三方评测与定价数据,读者可直接对比 Astra、Sol 与 Fable 5.2 的性价比和口碑分歧。
Amazon SageMaker HyperPod Inference 现支持 NVIDIA Dynamo,将后者的多节点部署、prefill/decode 分离与 KV-aware 路由能力接入 HyperPod 的基础设施管理。