Amazon Payments 如何用 Amazon SageMaker AI 上的上下文 bandit 提升获客漏斗转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂 bandit（LinUCB）做产品获客漏斗个性化，七周线上 A/B 测试中，一个人群最终漏斗转化率获得高个位数百分比相对提升，另一人群则未见改善，问题出在内容而非模型。
#推理
#推理
今日 2 条AWS Machine Learning BlogAI 评分2828 Ars Technica · AIAI 评分6060 Ataraxos 以 16 块 GPU 击败史上最强 Stratego 人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 在 Stratego 对局中以 15 胜 1 负 4 平击败被认为史上最强的选手 Pim Niemeijer。Stratego 是不完全信息博弈，棋子身份只在碰撞时揭示，隐藏信息量大且展开时间跨度长，此前连 DeepMind 也未能造出稳定战胜顶尖人类玩家的机器。该系统的训练仅用 16 块 GPU，花费几千美元。
The DecoderAI 评分7272 Ataraxos 击败 Stratego 最强人类选手，算力成本仅为 DeepNash 的约五百分之一
研究团队开发的 Ataraxos 在 Stratego 对局中以 85% 的有效胜率击败史上最强选手 Niemeijer，终结了人类在该棋类游戏中的优势。
The Decoder精选AI 评分7878 OpenAI 称已阻断窃取模型推理的攻击，但该手法在 Azure 上仍然有效
OpenAI 称已阻断一起针对其模型推理内容的提取活动，该活动 7 月 1 日起量级较低，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及一个超过 15000 个账号的网络，OpenAI 表示已于 7 月 28 日将其全部关停，并称核心群体与 Moonshot AI 相关人员有关。
推荐理由：还原了推理蒸馏攻击的时间线与平台差异，可看到同一模型在不同云平台上防护并不一致。
Import AIAI 评分3232 Import AI 474：Platonic mindspace、太空 TPU、智谱启动外层 RSI 循环
Import AI 474 期关注三项内容：Michael Levin 提出心智是来自 Platonic 空间的模式，身体与机器只是其接口；太空部署 TPU 的设想；智谱（Zhipu）启动外层 RSI 循环。
Hugging Face BlogAI 评分3838 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速视觉语言推理
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。
Simon Willison精选AI 评分8888 Anthropic 发布 Claude Opus 5.5，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna。
推荐理由：作者实测新模型并整理当日价格表，可据此比较 GPT-6 与 Claude Opus 5.5 的定价和推理表现。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览成绩，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf v6.1 成绩给出了 Vera Rubin 与 GB300 的吞吐对比和 99% 扩展效率，可据此判断推理基础设施的性价比走向。
Google ResearchAI 评分3232 Google Research 用 Retrieve-for-Train 绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，用离线强化学习把奖励对齐的 fan-out 查询编译成监督信号，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 fan-out，无需测试时 CoT 推理 token。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档及构建流程
IBM 发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个规模，均以 Apache 2.0 许可开源。
推荐理由：IBM 公开了 Granite 4.2 从预训练到多阶段 RL 的完整构建流程，可对照其数据配比与奖励设计理解推理模型的训练取舍。
Hugging Face BlogAI 评分5252 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 7/9 基准上超过其全精度版本
Multiverse Computing 发布论文提出 Quantization-Aware Healing（QAH），在 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 检查点蒸馏。
Hugging Face Blog精选AI 评分6262 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5 家族的三款模型 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍。
推荐理由：官方给出三款 LFM2.5 草稿模型的加速数据与 llama.cpp、SGLang 接入方式，可据此评估端侧推理提速的落地成本。
Import AIAI 评分3232 Import AI 469：DiG-bench 评测科学 AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了新基准 DiG-bench（Discovery in Games），包含 70 款规则与目标均隐藏的探索类游戏，其中 21 款已公开。
Microsoft ResearchAI 评分3939 MindTopo 基准揭示 VLM 空间推理能力短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大模型的拓扑推理能力，覆盖连通性、封闭性、顺序、分离与绳结五类关系，并区分静态推理与交互规划两个层级。测试显示，当前模型在静态识别上明显优于交互规划，且两者均远低于人类水平；失败多发生在规划阶段而非感知阶段，模型在场景变化中丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧保留结构约束时才有帮助。
Google ResearchAI 评分3636 Google 研究：召回而非编码是前沿 LLM 事实性的瓶颈
Google Research 提出知识画像框架，用 WikiProfile 基准（2,150 条维基百科事实、每条配 10 道题）区分编码与召回失败。Gemini-3-Pro 和 GPT-5 有 95–98% 的事实已编码，却仍无法直接召回 26–34% 的事实，开启思考后仍有 11–12% 失败。Gemma 3 系列显示模型规模扩大主要改善存储而非取用，瓶颈正从知识获取转向知识利用。
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 K-Search 进化式内核搜索框架扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让 CUDA 内核作为知识库被改写为 Apple Silicon 内核。
推荐理由：展示了把 CUDA 内核优化经验迁移到 Apple Silicon 的结构化翻译层，读者可了解跨硬件内核迁移的具体做法与实测差距。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以缓解递归摘要带来的性能损失。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。
Hugging Face BlogAI 评分2222 PyTorch 性能分析（第三部分）：Attention 全解析
Hugging Face 博客发布《Profiling in PyTorch》系列第三部分，用 PyTorch 剖析 attention 的 profiler 表现。
Mistral AI精选AI 评分6666 Mistral 发布 Leanstral 1.5：119B 总参数、6B 激活的形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可的形式化验证模型，119B 总参数、6B 激活参数，在 miniF2F 上达到 100%，解出 PutnamBench 672 题中的 587 题，并在 FATE-H 取得 87%、FATE-X 取得 34%。
推荐理由：原文给出模型规模、基准成绩与每道题成本对比，读者可据此判断形式化验证的实用门槛。
Google Research精选AI 评分6262 Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 发布一种新架构，将多 Token 预测（MTP）头挂载到已冻结的 Gemini Nano v3 模型上，作为端侧推理的即插即用加速方案，已部署到 Pixel 9 和 10 系列。
推荐理由：Google 把 MTP 头挂到冻结的 Gemini Nano v3 上，读者可了解端侧推理在内存与能耗约束下的具体优化路径。
Google ResearchAI 评分3636 Google Research 研究：推理如何解锁 LLM 的参数化知识召回
Google Research 在 COLM 2026 发表的论文揭示，让模型生成推理轨迹能召回关闭推理时几乎无法获取的事实答案，实验覆盖 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B，在 SimpleQA Verified 和 EntityQuestions 上以 pass@k 衡量。
OpenAI News精选AI 评分6060 OpenAI 用 GPT-5.5 Instant 提升 ChatGPT 健康智能
OpenAI 发布 GPT-5.5 Instant，用于改进 ChatGPT 在健康与养生问题上的回答，官方称其在推理、上下文理解、表达清晰度上有所增强。该版本还引入了由医生参与设计的评估方式。
推荐理由：官方披露 GPT-5.5 Instant 在健康问答上的能力变化，读者可据此判断 ChatGPT 医疗场景的可用性。
OpenAI News精选AI 评分6060 研究者用 OpenAI 推理模型辅助诊断儿童罕见遗传病，新增 18 例确诊
研究者使用 OpenAI 的推理模型辅助诊断罕见疾病，在先前未解决的病例中新增 18 例确诊。该结果来自对儿童罕见遗传病诊断场景的尝试。
推荐理由：材料给出推理模型在罕见病诊断中的实际命中数量，可据此了解AI在临床疑难病例中的应用边界。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上最高实现 4 倍推理提速。
推荐理由：官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛，读者可据此判断本地低并发场景的取舍。
OpenAI News精选AI 评分6262 OpenAI 为 GPT-Rosalind 引入生命科学新能力
OpenAI 为 GPT-Rosalind 引入新能力，用于推进生命科学研究。该模型增强了生物推理、药物化学专业知识、基因组分析和实验工作流能力。
推荐理由：OpenAI 为 GPT-Rosalind 增加生命科学能力，读者可了解该模型在生物推理与基因组分析上的定位。
OpenAI News精选AI 评分7878 OpenAI 模型推翻离散几何核心猜想
OpenAI 称其模型解决了有 80 年历史的单位距离问题，推翻了离散几何中的一个重要猜想，被视为 AI 驱动数学研究的一个里程碑。
推荐理由：OpenAI 模型推翻离散几何中悬置 80 年的核心猜想，可观察 AI 在数学证明上的实际进展。
Hugging Face BlogAI 评分3636 Hugging Face 详解连续批处理中的异步调度：如何让 GPU 利用率逼近 100%
Hugging Face 发文解析连续批处理中的同步瓶颈：用 8B 模型、batch size 32 生成 8K tokens 时，总耗时 300.6 秒，其中 24.0% 的时间 GPU 在等待 CPU，纯属浪费。
Hugging Face BlogAI 评分2222 在 AWS 上构建基础模型训练与推理的模块化基础设施
Hugging Face 发文解析 AWS 上基础模型训练与推理的开源软件栈分层架构，涵盖 Slurm、Kubernetes、PyTorch、JAX 及 Prometheus、Grafana 等工具。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
一篇综述指出，并行推理正从固定 fork-and-join、树搜索等外部预设结构，转向让模型自行决定何时分解子任务、开多少并行线程以及如何协调的自适应并行推理。文中梳理了 Self-consistency、Best-of-N、MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法，并指出顺序推理的 token 增长会带来上下文退化和延迟问题。
Hugging Face BlogAI 评分3434 vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标
PipelineRL 在 vLLM V0 到 V1 迁移中通过修复四项问题让 V1 与 V0 参考对齐：改用 processed_logprobs、显式设置 V1 运行时默认值、调整 inflight 权重更新路径，以及最终投影使用 fp32 lm_head。
Hugging Face Blog精选AI 评分8888 DeepSeek-V4 发布：百万 token 上下文面向智能体任务
DeepSeek 发布 V4，在 Hub 上提供两个 MoE 检查点：DeepSeek-V4-Pro 为 1.6T 总参数、49B 激活，DeepSeek-V4-Flash 为 284B 总参数、13B 激活，均支持 1M token 上下文窗口。
推荐理由：原文拆解了 V4 混合注意力如何把 1M 上下文的 KV cache 压到约 2%，并给出智能体基准对比，便于判断长任务部署成本。
Google ResearchAI 评分5252 Google Research 发布 ReasoningBank：让智能体从经验中学习
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功和失败经验中提炼高层结构化记忆的智能体记忆框架，代码已开源。
Berkeley AI ResearchAI 评分4242 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 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该方法针对长时程规划中优化病态、非贪心结构导致的局部极小值以及高维潜空间失效模式等问题，使基于梯度的规划更稳健。
Google ResearchAI 评分4242 Google 提出 Simula：用机制设计从第一性原理生成合成数据
Google 提出推理优先的合成数据框架 Simula，无需种子数据，将生成过程拆解为全局多样化、局部多样化、复杂化和质量检查四个可控步骤。该框架用 Gemini 2.5 Flash 作教师模型、Gemma-3 4B 作学生模型，在网络安全、法律推理、GSM8k 和 Global MMLU 五个领域各生成最多 512K 数据点，完整系统在所有领域均优于简单基线。
Google Research精选AI 评分6262 Google 发布 TurboQuant 等三种向量量化算法，KV cache 压缩至 3 bit 且精度无损
Google 发布 TurboQuant 压缩算法，并配套提出 QJL 和 PolarQuant，用于解决向量量化中的内存开销问题，三篇工作将分别亮相 ICLR 2026 和 AISTATS 2026。
推荐理由：Google 提出三种向量量化算法，在 KV cache 压缩与向量搜索上给出可复用的压缩思路与基准结果。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，统一推理、多模态与编码能力
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个重要版本，也是 Mistral 首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中的模型，采用 Apache 2.0 许可开源。
推荐理由：Mistral 首次把推理、多模态与编码能力合并进单一小模型，并给出可调推理强度与部署门槛。
Mistral AI精选AI 评分6262 Mistral 发布 Leanstral：面向 Lean 4 的开源代码智能体
Mistral AI 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并接入 Mistral Vibe 与免费 API 端点 labs-leanstral-2603。
推荐理由：Mistral 开源面向 Lean 4 的代码智能体，给出与 Claude 系列及开源模型的成本与得分对比，可据此判断形式化验证路线的性价比。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可在规模化下识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中识别 LLM 的关键交互。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 倍更少的消融实验达到 SPEX 的性能。
OpenAI NewsAI 评分4242 OpenAI 公布 AI 模型在 First Proof 数学挑战中的证明尝试
OpenAI 公开了其 AI 模型针对 First Proof 数学挑战的证明尝试，该挑战旨在测试模型在专家级问题上的研究级推理能力。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3 Deep Think 升级版
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，这一专用推理模式面向科学、研究与工程难题。官方称其在 Humanity's Last Exam 上取得 48.4%（无工具）、ARC-AGI-2 上 84.6%、Codeforces 上 Elo 3455，并在 2025 国际数学奥林匹克达到金牌水平。
推荐理由：官方给出 Deep Think 在 HLE、ARC-AGI-2、Codeforces 等基准上的具体成绩，并说明 API 早期访问入口，便于判断其科研与工程定位。