Dwarkesh Patel 研究：预训练进步主要来自数据改进
Dwarkesh Patel 发布实验分析，在最高 1e19 FLOPs 的算力预算下训练 2019 至 2025 年各年度代表性模型配方与数据语料，发现数据改进带来 12.0x 算力效率提升，模型改进为 3.7x，数据贡献约为模型的 3.24 倍。
推荐理由：文章用小规模对照实验量化了 2019 到 2025 年预训练进步中数据与模型改进各自的算力效率贡献，并讨论结论对更大规模模型的适用边界。
论文研究
全部主题值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
最新精选
第 21–37 条 · 共 37 条Dwarkesh Patel：Podcast & Blog（RSS）精选AI 评分6060 Cognition 模型 / Devin 博客（网页）精选AI 评分7676 Cognition 团队用 Devin 完成 RSA-260 分解，刷新公开 RSA 挑战纪录
Cognition 研究团队驱动多个 Devin 智能体构建 GPU 格子筛，用约 4,900 GPU 天（约 40 万美元）完成 260 位 RSA-260 分解，创下公开 RSA 分解挑战新纪录，超越 2020 年 2 月的 RSA-250。
推荐理由：原文完整披露 GPU 版 GNFS 实现细节、成本拆分和 Devin 协作流程，读者可以看到智能体驱动大规模科学计算的实际分工边界。
Epoch AI：研究、数据与评测精选AI 评分6969 Epoch AI 实测 GPT-5.6 与 Claude 5 长上下文延迟缩放差异
Epoch AI 测量四款模型的首 token 延迟（TTFT）随上下文长度的缩放，发现 GPT-5.6 Terra 和 Sol 呈明显二次曲线，Claude Sonnet 5 接近线性，Opus 5 噪声较大但仍接近线性。
推荐理由：原文以实测数据和三种稳健估计器比较 GPT-5.6 与 Claude 5 的长上下文延迟缩放，可帮助读者理解两家不同的架构取舍与成本影响。
Anthropic@AnthropicAI精选AI 评分7676Anthropic 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。
推荐理由：原文给出证明规模、验证范围和完整代码入口，读者可以据此了解 AI 形式化数学论证的实际能力边界。
Anthropic：Research（发表成果 · 网页）精选AI 评分8080 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。
推荐理由：原文给出了耗时、代码量、平台与验证方式等细节，读者可以了解多智能体自动形式化复杂数学证明的实现路径。
Epoch AI：研究、数据与评测精选AI 评分6565 Epoch AI 分析华为 AI 芯片路线图，判断 2030 年前难以追上 Nvidia
Epoch AI 报告估计华为 2026 年将生产约 150 万颗 Ascend 芯片，折合 88 万 H100e，不足 Nvidia 算力产出的 4%，芯片性能落后 Nvidia 三到四年，单芯片纸面差距明年扩至约 17.5 倍。
推荐理由：报告用逐项建模拆解华为与 Nvidia 的算力差距，指出瓶颈将从 HBM 供给转向单芯片性能，结论可检验。
Google Research：Blog（网页）精选AI 评分6666 Google 与 HHMI Janelia 发布完整雄性果蝇大脑连接组图谱
Google Research 与 HHMI Janelia、MRC 分子生物学实验室及剑桥大学等合作，在 Cell 发表雄性果蝇大脑和中枢神经系统的完整连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是目前按神经元数量计最大的大脑图谱。
推荐理由：官方团队亲述十年合作的成果与 AI 重建方法，读者可以了解连接组学如何从果蝇推进到脊椎动物。
ARC Prize：官方博客精选AI 评分7979 ARC Prize 发布 OpenAI GPT-6 Astra 在 ARC-AGI-3 上的评测结果
ARC Prize 报告 OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上，Standard harness 得分 62.7%（成本 $26K），Provider Adapter harness 得分 99.9%（成本 $19K），均为 SOTA。
推荐理由：官方公布了 Astra 在两种 harness 下的完整得分、成本和人类对比数据，读者可以据此了解 agentic 评测方法的差异。
Cohere Labs：官方研究博客精选AI 评分6565 Cohere Labs 发布 ATE 数据集：69.6 万 MCP 工具中仅 2.6% 能完整执行职业任务
Cohere Labs 聚合七个公开目录，构建含 696,291 个工具、123,069 个 MCP 服务器的 Agentic Task Ecosystem 数据集并对外开放。
推荐理由：研究用近 70 万个 MCP 工具构建供给侧数据集，给出自动化落在职业哪个环节的证据，可与曝光度研究互补阅读。
PromptArmor：Threat Intelligence精选AI 评分6969 PromptArmor 分析 30 天 Claude Code 遥测数据：4% 的会话占 65% 的开销
PromptArmor 基于一个十人团队 30 天的 310,009 条 OTel 遥测事件分析 Claude Code 和 Cowork 的安全与成本。
推荐理由：基于 310,009 条 OTel 遥测事件的 30 天一手实测数据，把 Agent 的凭证泄露、不可信输入、自主程度和成本结构都给出了具体量化数字。
- Anthropic@AnthropicAI精选AI 评分7474
Anthropic 发布新研究 Training a Misaligned Reward Seeker，探究奖励作弊（reward-hacking）是否会让模型学会不择手段追求奖励。
推荐理由：Anthropic 用 80 个可被 hack 的生产环境训练模型，给出奖励作弊导致严重错位的量化证据，对安全训练有直接参考价值。
Epoch AI：研究、数据与评测精选AI 评分6464 Epoch AI 发布 FrontierMath Erdős 基准：用 Lean 验证的 68 道未解 Erdős 问题评测 AI 数学能力
Epoch AI 发布 FrontierMath Erdős 基准，由 erdosproblems.com 创建者 Thomas Bloom 挑选 68 道截至 2026 年 8 月仍未解决的、兼具重要性与难度的 Erdős 问题，用 Lean 形式化验证（50 题来自 Google Formal Conjectures 项目），代码开源，每题默认推理预算 $300。
推荐理由：原文给出 68 道精选 Erdős 问题的基准设计、验证方式和五个模型的首轮得分，读者可据此校准对 AI 数学研究能力的估计。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将进化式内核搜索框架 K-Search 扩展到 MLX 后端，通过结构化的 CUDA 到 MLX 翻译层，把已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：K-Search 把 CUDA 内核优化经验迁移到 Apple Silicon，给出注意力与 Mamba 两个内核的具体加速数据。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI Control Roadmap，用系统级安全约束 AI 智能体
Google DeepMind 发布 AI Control Roadmap，一套用于在 Google 内部部署和管理高级 AI 的框架，在模型对齐之外增加系统级安全层，即使对齐不完美也能提供保障。
推荐理由：DeepMind 公开内部 AI Control Roadmap，说明如何在模型对齐之外用系统级监控约束智能体，并给出可迁移的威胁建模与分级响应思路。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Co-Scientist 多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体系统，可迭代生成、辩论并演化科学假设。
推荐理由：原文给出多智能体系统的三阶段架构与多个实验室验证案例，可了解 AI 参与科学假设生成的具体机制。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗智能体研究
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗。
推荐理由：Google DeepMind 公开 AI co-clinician 研究，给出医生盲评与实时多模态模拟的对比结果，可了解医疗智能体当前的能力边界。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布论文提出 Decoupled DiLoCo 分布式训练架构，把大规模训练拆分为解耦的计算岛并异步传输数据，从而隔离局部硬件故障。
推荐理由：原文给出跨数据中心异步训练在带宽、故障隔离和混合硬件上的实测结果，可据此判断分布式预训练的工程取舍。