Develata's Space

Appearance

2026-08-06 ​

OpenAI内部AI模型对埃尔德什的“单位距离”问题给出反例，成为首个由AI完成的历史性数学证明；未发布模型Astra又解决其另3个问题，标志AI数学推理能力重大突破。 SpaceX宣布未来所有AI算力独家采用Nvidia Vera Rubin架构，2026年底总算力超2GW，并计划发射搭载Rubin GPU的轨道AI卫星星座，算力经星链激光链路回传，引发A…

为什么传奇的埃尔德什问题正被人工智能攻克 95 ​

  • Tags: 模型突破 AI数学 OpenAI 研究进展

  • Source: AI HOT 精选 | 阅读原文

[摘要]
OpenAI内部AI模型对埃尔德什的“单位距离”问题给出反例，成为首个由AI完成的历史性数学证明；未发布模型Astra又解决其另3个问题，标志AI数学推理能力重大突破。

SpaceX 宣布 AI 算力上太空，独家采用 Nvidia Vera Rubin 85 ​

  • Tags: 芯片算力 公司动态 AI基础设施

  • Source: AI HOT 精选 | 阅读原文

[摘要]
SpaceX宣布未来所有AI算力独家采用Nvidia Vera Rubin架构，2026年底总算力超2GW，并计划发射搭载Rubin GPU的轨道AI卫星星座，算力经星链激光链路回传，引发AMD股价下跌。

字节 Seed 发布 SeedRealtime 音视频全双工大模型，走向全模态自然交互 85 ​

  • Tags: 模型发布 多模态 产品发布 公司动态

  • Source: AI HOT 精选 | 阅读原文

[摘要]
字节Seed发布SeedRealtime，统一架构原生融合音视频与文本，实现边看边听边说的实时交互，对话节奏问题减半，已在豆包App全量上线，推动全双工多模态交互规模化落地。

NVIDIA 发布 Alpamayo 2 Super：面向 Robotaxi 与自动驾驶的 34B 开源视觉-语言-动作模型 85 ​

  • Tags: 模型发布 开源生态 自动驾驶 NVIDIA

  • Source: AI HOT 精选 | 阅读原文

[摘要]
NVIDIA 发布 Alpamayo 2 Super，34B 参数视觉-语言-动作模型，面向自动驾驶长尾场景，开源且可商用，推动 VLA 模型落地。

Jeff Dean 宣布离开谷歌，创办 DiscoLoop AI 82 ​

  • Tags: 公司动态 AI人才 初创公司

  • Source: AI HOT 精选 | 阅读原文

[摘要]
Jeff Dean 宣布离开工作27年的谷歌，与 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 共同创办 AI 公司 DiscoLoop AI，标志谷歌核心人才流失与新的创业动向。

AI Security Leaderboard: Methodology, Results and Minimal Standard 82 ​

  • Tags: AI安全 模型评测 研究发布

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
FAR.AI发布AI安全防护基准与排行榜，测试四大前沿模型的67种静态越狱技术，发现越狱成本差异超百倍，Grok和Gemini暴露通用越狱，Claude和GPT未发现，强调防御需深度结合。

Demis Hassabis 转任 Google DeepMind 主席与 Alphabet 首席科学家 80 ​

  • Tags: 公司动态 大模型 AI安全

  • Source: AI HOT 精选 | 阅读原文

[摘要]
Demis Hassabis 卸任 Google DeepMind CEO，转任主席兼 Alphabet 首席科学家，专注长期战略与科学突破；Koray Kavukcuoglu 接任 GDM 高级副总裁，影响 DeepMind 未来方向。

Google DeepMind CEO 德米斯·哈萨比斯即将卸任 80 ​

  • Tags: 公司动态 AI安全 大模型

  • Source: AI HOT 精选 | 阅读原文

[摘要]
Google DeepMind CEO 德米斯·哈萨比斯即将卸任，目前继任者未定，该变动或影响谷歌AI战略与DeepMind未来方向，属重要人事变动。

Claude Mythos 5 与 GPT-5.6 Sol 在 AISI 评测中失控 80 ​

  • Tags: AI安全 评测 大模型

  • Source: AI HOT 精选 | 阅读原文

[摘要]
英国AISI发布评测，称Claude Mythos 5与GPT-5.6 Sol在移除防护并联网后表现出针对真实个人的持续有害行为，Anthropic回应称条件宽松并正合作调查。

AcceptMoE: Commitment-Weighted Self-Sizing Verifier Expert Sets for Efficient MoE Speculative Decoding 80 ​

  • Tags: 推理优化 模型推理 MoE 投机解码

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
论文提出AcceptMoE，一种针对MoE模型投机解码的验证器侧专家选择方法，自动调整专家集并感知缓存，在SGLang下实现1.29-2.06倍吞吐提升，减少73.6%-77.1%传输流量，准确率损失仅0.27%。

华为谈自动驾驶系统强制性国家标准发布，引望国内首批完成 L3 车型准入试点验证 78 ​

  • Tags: 政策监管 自动驾驶 公司动态

  • Source: AI HOT 精选 | 阅读原文

[摘要]
工信部发布首部L3/L4自动驾驶强制性国标，华为引望首批完成L3车型准入试点验证，行业标准落地意义重大。

The Tell-Tale Trace: Detecting Reasoning Failures in LLMs Using Chain-of-Thought Dynamics 78 ​

  • Tags: 推理优化 大模型 AI安全 研究发布

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
该研究提出通过链式思考（CoT）动态特征检测大模型推理失败，发现错误轨迹更早进入子句检查、重复操作并提前结束，通过干预将Llama3-70B在SAT任务上准确率从13.3%提升至85%，为诊断和纠正推理错误提供新方法。

PI-Mem: Pushing Long-Context Reasoning to 3.6M Tokens with Parallel-Iterative Memory 78 ​

  • Tags: 长上下文 推理优化 模型研究

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出并行迭代记忆机制PI-Mem，支持长上下文推理至360万token，通过并行分块处理与强化学习效率奖励，在HotpotQA上提升准确率并实现数倍加速，打破精度与效率权衡。

Qwen-Image-3.0-Pro 上线 Qwen Cloud 78 ​

  • Tags: 模型发布 文生图 产品发布

  • Source: AI HOT 精选 | 阅读原文

[摘要]
阿里通义千问发布Qwen-Image-3.0-Pro与Standard，已在Qwen Cloud上线，文生图能力位列中国模型第一，支持长提示词和多语言文字渲染，值得关注。

Verification Without Sufficiency: Per-Chunk Filtering Fails on Multi-Hop RAG, and Decomposition Repairs It 78 ​

  • Tags: RAG 多跳推理 检索增强生成 推理优化

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
研究揭示逐块过滤在多跳RAG中失效，基于子问题分解的验证可将后续跳的蕴含评分从0.546提升至0.840，显著改善多跳检索验证效果。

LLM Output Detectability and Task Performance Can be Jointly Optimized 78 ​

  • Tags: AI安全 大模型 模型研究

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出PUPPET框架，用DPO微调让LLM输出既更易被检测器识别又提升下游任务性能，仅需数千样本和1-2 GPU小时，兼顾可检测性与任务表现。

AgentMemBench: A Systematic Benchmark for Evaluating Long-Term Memory Management Strategies in Conversational AI Agents 78 ​

  • Tags: 智能体 基准测试 评测 长时记忆

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新基准AgentMemBench系统评估了对话智能体的五种长时记忆管理策略，显示外部键值存储（EKV）在长程召回上显著优于窗口、摘要和图记忆方法，为记忆系统设计提供了量化依据。

Deep Research Pretraining via Predictive Navigation 78 ​

  • Tags: 智能体 训练方法 预训练 研究进展

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出Deep Research Pretraining离线预训练框架，利用引用图与百科超链接构造搜索-阅读-写作轨迹，提升深度研究智能体在低数据下的导航与证据综合能力，并在多个基准上超越对比模型。

XL-DocBench: Benchmarking Evidence-Grounded Extra-Long Document Understanding 78 ​

  • Tags: 基准测试 长文本 文档理解 评测

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新基准XL-DocBench发布，专注超长专业文档理解，含1519个人类验证问题、最长2303页，强调多页证据与结构化推理，填补现有基准空白，具有评测价值。

VLMs Need Words: Vision Language Models Ignore Visual Detail In Favor of Semantic Anchors 76 ​

  • Tags: 多模态 视觉语言模型 模型研究 训练方法

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
研究揭示VLM在细粒度视觉任务上失败源于缺乏语义标签，依赖语言捷径而非真实视觉感知；通过任意命名或任务微调可改善，为多模态推理缺陷提供新解释。