Databricks 讲解如何通过专用 GPU kernel 生成实现极致推理效率

Databricks 发文介绍如何通过专用 GPU kernel 生成实现极高效率。文章指出传统生产推理系统依赖通用 kernel 处理多样化负载，并探讨专用 kernel 的优化路径。

Ant Ling@AntLingAGIAI 评分3939

蚂蚁百灵发布 Ling-3.0-flash-Sante，一个基于 Ling-3.0-flash 构建、面向健康与医疗领域增强的 MoE 模型，名字取自法语 santé（健康）。

Anthropic@AnthropicAI精选AI 评分7676

Anthropic 宣布 Claude 上月完成了 Fermat 大定理的首个形式化证明，这是迄今最大的 Lean 证明。

Claude 用 11 天完成费马大定理的首个完整机器验证证明

Anthropic 发布首个完整机器验证的费马大定理证明，Claude 在 11 天内基本自主完成，写出 1300 万行 Lean 代码并证明 29,500 个中间定理。

Rohan Paul@rohanpaul_aiAI 评分5757

Visko 公布 Orbis 1.0 的评测结果：在自动化基准中于 DOVER 美学与技术和 VideoAlign 视觉与运动质量得分最高，并在 VideoPhy-2、Physics-IQ、VBench-2.0 Physics 三个物理合理性协议领先；在随机化人类 Arena 研究中总偏好和时间稳定性均排第一。

a16z 宣布投资 Gimlet Labs，打造多芯片推理云

a16z 的 Raghu Raghuram 撰文宣布投资 Gimlet Labs，称其为首个多芯片（multi-silicon）推理云，目标是在同等电力下产出更多智能。

Rohan Paul@rohanpaul_aiAI 评分7171

据 Bloomberg 报道，DeepSeek 计划在内蒙古吉瓦级数据中心部署 16 万颗华为 950DT 芯片，建成后将是已知最大规模的华为 AI 集群之一。

DRACO：用动态评分标准做长程智能体训练的细粒度信用分配

DRACO 提出在结果信号缺失的长程智能体训练中，动态生成评分标准并按轨迹打分，再把判断以闭式方法重分配到相关步骤，在 GRPO 中产生差异化逐步优势，不引入任何训练的归因模块。

Ethan Mollick@emollickAI 评分3131

Ethan Mollick 表示，目前尚无证据表明带防护栏的生产模型会以这种方式合谋，但他认为更聪明、可能更不服从的闭源模型，以及可被消融的 Mythos-class 开源模型即将到来，网络安全很快会变得混乱，并附上链接 https://collusion.wiki/。

elvis@omarsar0AI 评分3737

Elvis Saravia 转发 Apodex 的 Apodex Discovery 框架论文，其中 TRACES 基准用于给 AI 系统在答案尚未确认的发现类问题上的表现打分。论文调查 16 个行业 561 个产业、汇集 423 个高价值真实问题并首发 20 个，还提出 HDS6 过程验证框架；在 AAV 衣壳设计四项任务上超过已发表 SOTA 7%，基准可在 discovery.apodex.com 获取。

GPT-6 Astra 基准表现分歧，ARC-AGI-3 效率超人类令 Chollet 提前 AGI 预测

GPT-6 Astra 的基准结论相互矛盾：Epoch AI 以 169 分将其排在 267 个模型之首，Artificial Analysis 给出 61 分，仅与前代 Sol 持平、落后 Claude Fable 5.1 的 66 分。

凡人小北@frxiaobeiAI 评分1515

作者凡人小北发帖称，Qwen 3.8-Flash 的能力可以把名称中的 Flash 改成 Pro。正文仅此一句观点，未提供更多细节或依据。

🚨 AI News | TestingCatalog@testingcatalogAI 评分4040

日报汇总 9 月 4 日多条动态：OpenAI 正式发布 GPT-6 Astra，称在 computer use、编码、科学和网络攻防上达到 SOTA，98% FrontierMath Tier 4。

BrainGPT前夜？当AI开始直接理解大脑

Monolith砺思资本转载的一篇短文，标题为「BrainGPT前夜？」，正文仅一句「当AI开始直接理解大脑」，未给出具体模型、数据或细节。

Rohan Paul@rohanpaul_aiAI 评分4747

论文比较模型与训练数据在同一前缀下的条件熵，发现 OLMo、Pythia、GPT-Neo 的输出条件多样性均低于训练数据，图像生成器也存在类似差距。OLMo 20K 样本上训练数据得分 338.58，贪心解码为 218.88，nucleus 采样 287.31，ancestral 采样 297.31；调高温度到 T=1.9 虽匹配训练熵但精度和外部条件 NLL 变差。

Compile by Training：将自然语言规格编译为可复用的本地神经函数

论文提出 compile by training，把自然语言规格编译为可复用的神经函数：编译时由教师模型生成任务样例，训练紧凑解释器的小型 adapter，运行时无需教师模型，可像普通软件一样存储、版本化和组合。

Rohan Paul@rohanpaul_aiAI 评分5555

Rohan Paul 发文称 token 已不再是可比的工作量单位，同样的问题不同模型可能分别消耗 5K 与 50K+ tokens，加上不同 tokenizer、隐藏推理 token、工具调用与重试，"$ per 1M tokens" 对实际工作负载已无意义。

Rohan Paul@rohanpaul_aiAI 评分4545

Rohan Paul 介绍一篇来自 Amazon、Microsoft、Rutgers 等机构的论文，提出 SPACE 方法，认为长程智能体不必在每个小动作后都让 LLM 决策，关键是从成功轨迹中学习哪些动作可以安全地一起执行。

-Zho-@ZHO_ZHO_ZHOAI 评分2222

Zho 在 X 上转发其【傀儡谣】相关内容并评论，提出未来谁才是傀儡、AI 还是人的疑问。他引用刘慈欣的采访观点，认为外星智慧与人类的差距可能比人类与蚂蚁的差距更大，因此建立交流非常困难，并附世阿弥《花镜》中关于棚头傀儡的句子。

Dongxi 东锡 NLP@dongxi_nlpAI 评分5757

The Information 报道称 OpenAI 的 Astra 采用 recurrent depth / looped transformer 架构并可能掩盖部分推理过程，引发热议。

LatentStream：面向流式视频理解的渐进式潜在记忆演化框架

论文提出 LatentStream，将流式视频记忆从 store-and-retrieve 转向 retrieve-and-internalize，用潜在工作记忆内化历史证据以支持严格因果与有限内存下的推理。框架包含分层流式记忆、分层潜在记忆演化和置信度引导的潜在记忆优化三个组件，并在现有在线与离线视频基准上取得新的 SOTA 结果。

GPT-6 Astar发布：价格涨至对标Claude fable5，osworld提升6.9%但思考过程被压缩

OpenAI发布GPT-6 Astar，暂未上线，价格涨到与claude fable5持平且缓存读取更贵，但所有用户可将100%额度用于gpt6，同等任务token消耗约为opus5的1/5。

Ethan Mollick@emollickAI 评分3333

Ethan Mollick 让 Astra 用能找到的在线数据集做原创创业研究并预注册假设。结果 Astra 产出了大量格式精美、技术正确的论文，但选题乏味，他认为其缺乏研究品味。

Rohan Paul@rohanpaul_aiAI 评分6161

Epoch AI 评测显示 GPT-6 Astra 以 169 分创下 ECI（Epoch Capabilities Index）新纪录，较此前最高分 163 提升 6 分，但在其推理时代趋势的不确定区间内。

我们应该对Astra的复用架构有多担心？

作者yurivish在LessWrong发帖，讨论我们应该对Astra的复用（recurrent）架构抱有多大程度的担心。该帖子登上Hacker News热门，获得100 points。

大模型 On-Policy Distillation 再思考 II：一条训练样本就够了

研究探讨 on-policy distillation（OPD）中训练数据的作用，发现仅用 1 条 query 训练即可持续提升数百步并恢复全量数据 OPD 的大部分增益。

Random Attention 提出随机驱逐 KV cache 以提升长推理效率

Salesforce AI Research 提出 Random Attention，不对缓存 token 打分，而是保留提示词并在每个注意力头内均匀随机驱逐，在四个模型、六个推理任务上匹配最强先验驱逐方法，vLLM 部署下吞吐量高出 32-43%。

WorldReward 提出面向相机条件世界模型的 VLM 奖励建模方法

WorldReward 是一个基于 VLM 的成对偏好奖励模型，为相机条件世界模型统一评估动作一致性与视觉质量。方法将视频分解为动作对齐的块并投票聚合，配套发布人工标注的 WorldReward-Bench，在三个维度上分别超过 GPT-5.5 约 3.42、1.45 和 3.56 个百分点，用于 HY-WorldPlay 1.5 的 RL 后训练可同时提升动作执行与视觉质量。

DAIR.AI@dair_aiAI 评分6767

DAIR.AI 介绍 arXiv 论文 Trace as State（https://arxiv.org/abs/2609.02702）：将收集到的推理轨迹放在长上下文块之前重新推理，让先前推导的信息引导重读，而非像常规做法那样把轨迹附在文档之后。

Rohan Paul@rohanpaul_aiAI 评分4444

斯坦福等机构的论文 Prefix Sliding for efficient test-time scaling 提出，推理时只保留任务前缀和最近 token 的滑动窗口、丢弃中间推理 token，无需重训即可让推理提速约 3 倍。

蚂蚁开源 Ling-3.0-flash-Fin（124B A5.1B）金融模型与 FinFIRST 评测基准

蚂蚁集团正式开源面向真实金融工作流的 Ling-3.0-flash-Fin（124B A5.1B），为 MoE 架构、支持最长约 256K 上下文，并同步开放面向金融搜索 Agent 的评测基准 FinFIRST（Financial Information Retrieval, Sourcing and Traceability），中金公司投行团队在构建过程中提供专业支持。

AK@_akhaliqAI 评分2525

论文 CoGR 训练 LLM 在查询侧和物品侧同时生成紧凑关键词，通过倒排索引直接匹配，并用 GRPO 交替优化两侧生成器。在内部 APP Marketplace 数据集和公开 WANS 基准上，CoGR 相比最强基线分别提升 F_1 10.9% 和 36.1%。论文链接：https://huggingface.co/papers/2609.00638

开发者用 Claude Fable 5 在 Claude Code 中将 1993 年 Amiga 游戏 Babylonian Twins 移植到 Godot

作者让 Claude Fable 5 在 Claude Code 中分三步移植其 1993 年 Amiga 游戏：34,000 行 C++ 一个晚上迁入 Godot 4，72,758 行无注释 68000 汇编先用 vasm 重建出与发售版字节一致的二进制再移植，并把 1993 原作作为第二启动项嵌入新游戏。

Cerebras 推理平台提供 Qwen 3.8 27B，速度约 1500 tokens/s

Cerebras 公共端点模型目录新增 Qwen 3.8 27B（qwen-3.8-27b，27 billion 参数，上下文 64k/128k，速度约 1500 tokens/s），另有 gpt-oss-120b（120 billion 参数，65k/131k 上下文，约 3000 tokens/s）。

Rohan Paul@rohanpaul_aiAI 评分4242

Microsoft 与加州大学圣地亚哥分校的论文指出，模型在 SFT 后可能看起来更好，但因 SFT 会抹掉 RL 需要发现的罕见正确行为，反而是更差的 RL 起点。

大模型交易智能体六个月生产环境实测：两套系统、750万次模型调用记录

论文记录了两套同源系统中共 750 万次单模型调用、约 30 万次链上操作的自主交易智能体生产环境测量，覆盖 21 天 Base memecoin 市场（DX Terminal Pro，3,505 个用户金库）和 Hyperliquid 永续合约（DXAP，500 至 599 个智能体）。

ginobefun@hongming731AI 评分3636

BestBlogs 09-04 早报汇总十条内容，涉及 GPT-6 Astra 安全概览、Paul Graham 创业访谈、曾鸣 AI 产业史观、Codex 与 DeepSeek 的 Harness 开源对比、Meta 团队缩减计划与组织级第二大脑、NVIDIA 推测解码指南、通义 E-Commerce Bench、Google WeatherNext 3 和美团智播。

Gary Marcus 评 GPT-6 Astra：进步明显但鲁棒性与可监控性存疑

Gary Marcus 发文点评 GPT-6 Astra，称多项报告显示其为真正的进步，OpenAI 产品显式创建并操纵符号世界模型，令其近十年的主张获得印证。

Rohan Paul@rohanpaul_aiAI 评分7070

作者引用 ARC Prize 分析称，OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 上以 62.7% 的 Standard 框架分数居首，通过新的 Provider Adapter 框架则升至 99.9%，并在 96% 的 ARC-AGI-3 关卡上超过人类表现。

OpenAI 发布 GPT-6 Astra，首个达到关键级网络安全能力门槛的模型

OpenAI 于 9 月 3 日发布新一代大语言模型 GPT-6 Astra，是其首个达到准备框架中关键级网络安全能力门槛的模型，可在无逐步指导下发现防护严密系统的未知漏洞。