斯坦福研究发现快速迭代的大语言模型正让解释它的研究结论迅速过期
斯坦福研究者 Owen Queen 和 James Zou 用 2024 年 7 月至 2026 年 9 月发布的 20 个模型复核 50 项被广泛引用的 LLM 研究结论，发现 44% 已过期，34% 明显减弱，仅 16% 仍然成立。
#推理
The DecoderAI 评分5959 TechCrunch · AIAI 评分5353 AI 推理初创公司 Fal 融资 13 亿美元，估值翻倍至 160 亿美元
AI 推理初创公司 Fal 完成 13 亿美元最新融资，由 Bessemer Venture Partners 领投，Nvidia、Sound Ventures 和 T. Rowe Price 参投，估值达 160 亿美元，较 4 月的 80 亿美元翻倍。
Hugging Face BlogAI 评分5151 AI2 推出 StateBench 基准，测语言模型在长文档中的状态追踪能力
AI2 发布 StateBench 基准，按四个难度级别评测语言模型在长文档中追踪实体状态变化的能力。
Hugging Face BlogAI 评分4545 Hugging Face 发布 Palette：用合成数据教会小型开源模型按你的设计语言制作幻灯片
Hugging Face 推出 Palette，一个经 LoRA 微调的 20B 开源权重模型，按 IBM Design Language 训练，学习“设计师+程序员”分工方式生成幻灯片，在 PresentBench 三个领域中的两个排名第一。
Simon WillisonAI 评分5656 Simon Willison 实测：笔记本上的 Qwen 3.8 27B 也能解读模型权重
Simon Willison 复现论文 Sparks of Weight-Space Programming 的实验，让运行在自家笔记本上的 Qwen 3.8 27B 仅凭浮点数权重、无任何工具地识别模型训练玩的游戏，成功认出 Pac-Man、Pong 和 Breakout，但在较冷门的 Freeway 上失败。
Latent SpaceAI 评分4545 LLM 可直接读写神经网络权重："Weight Space Programming" 绕过 Autoresearch 实现 RSI 新路径
新论文"Weight Space Programming"提出让聪明的 LLM 直接读取并编辑较笨模型的神经网络权重，无需编写 PyTorch/Jax 代码即可一步修复 bug、按方向改进，甚至从零一次性写出整套网络权重并击败部分独立训练的模型，社区已有独立复现。
MIT Technology Review · AIAI 评分5858 MIT Technology Review 长文分析智能体网络的到来及其对人类互联网的冲击
MIT Technology Review 发文指出，继 Berners-Lee 的语义网愿景之后，LLM 智能体正在催生一个全新的智能体网络。
Latent SpaceAI 评分4343 Elorian 发布 DecoyCount 视觉推理基准：Glimpse 超越 GPT-6 Astra 等前沿模型
Elorian 联合数据公司 Mercor 发布 DecoyCount 基准，测试模型是否真正数对物体还是依赖视觉捷径。
Mistral AI精选AI 评分8080 Mistral AI 开源发布 Mistral Large 4（Le Chonk）权重
Mistral AI 正式发布 1 万亿参数原生多模态模型 Mistral Large 4（代号 Le Chonk）的开源权重。
推荐理由：官方给出编码、防御安全和推理效率的完整基准对比与三档推理模式定价，便于评估开源权重模型的经济性。
Latent SpaceAI 评分7676 Google DeepMind 发布 Gemini 4 Carbon，登顶多家独立榜单并优先向网络防御者开放
Google DeepMind 发布比三周前的 Argon 更新的前沿模型 Gemini 4 Carbon，定位网络安全与长程任务，先通过 Fairwind 计划向受信任的网络防御者开放。
Hugging Face Blog精选AI 评分8383 Mistral Large 4 多模态 MoE 模型登陆 Hugging Face
Hugging Face 发布 Mistral Large 4（Le Chonk）的上架介绍，这是 Mistral 的多模态多语言 MoE 模型，总参数约 1T、激活 49B、上下文窗口 1M token，提供 FP8 与 NVFP4 官方版本及 GGUF 量化，采用 Mistral Ecosystem Open-Weight License 开放。
推荐理由：文章拆解了 Mistral Large 4 的稀疏注意力与 MoE 架构，并给出本地和云端多套部署实测数据，便于评估落地成本。
Google DeepMind精选AI 评分7575 Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon
Google DeepMind 发布 Gemini 4 Carbon，称其为最强模型，主打网络安全与长时程任务能力，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：官方给出了完整的基准数据与安全对齐改进，读者可以对照 Argon 衡量这代模型在编码和网络安全上的实际进步。
Google ResearchAI 评分5858 Google Research 提出 sleep 框架，让 LLM 在持续学习中巩固长期记忆
Google Research 提出 sleep 框架，让 LLM 在清醒阶段交互学习、在离线睡眠阶段把短期上下文巩固为长期参数，从而持续学习且避免灾难性遗忘。
Microsoft Research精选AI 评分8585 微软研究院等证明KLS猜想，解决高维几何领域31年悬而未决的核心难题
微软研究院机器学习与优化组的Xinzhi Zhang与合作者证明了1995年提出的Kannan–Lovász–Simonovits（KLS）猜想，证明对数凹分布的最优平面切割与任意形状最优切割之差被一个与维度无关的通用常数界定。
推荐理由：作者亲述人类主导的智能体搜索如何证明悬置31年的KLS猜想，对照无引导尝试的失败，可作为人机协作科研方法的参照。
Mistral AIAI 评分5353 Mistral AI 发布首个时间序列基础模型家族 Timestral
Mistral AI 发布首个时间序列基础模型家族 Timestral，提供 5M、28M、123M 和 209M 四种参数规模，最大模型在 GIFT-Eval、TIME 和 fev-bench 三大公开基准上排名第一。
Google Research精选AI 评分7777 Google Research 公开发布 Deep Review 文档评审智能体系统
Google Research 宣布公开发布 Deep Review，一个对复杂文档提供严格反馈和技术验证的智能体系统，前身为 Paper Assistant Tool（PAT），已与 STOC 2026、ICML 2026、NeurIPS 2026、ICLR 2027 合作向超过 16,000 篇投稿的作者提供预提交反馈。
推荐理由：官方由 PAT 试验演进为公开可用的评审系统，附带四阶段智能体流水线说明与免费额度等使用细节，可对照自身审校需求评估。
Google DeepMind精选AI 评分8080 Google 深度解析 Gemini 4 Argon 的安全与责任开发
Google DeepMind 宣布广泛推出 Gemini 4 Argon，并发布安全与安保报告。模型在 12 个端到端模拟网络攻击场景中全部解决，上一代仅解决 5 个；因网络与生物领域能力提升，公司部署了新一代前沿安全防护。
推荐理由：官方详述新模型的安全护栏设计，包括三层实时防护和思维链监控，可对照自家系统的安全实践借鉴。
Import AIAI 评分4141 Import AI 476：创造力与递归自我改进、表现不及中国的开放权重模型、AI 进军太空
Elorian 与 Scale AI 发布视觉直觉推理基准 Humanity's Sixth Sense（HSS），含 522 道题、覆盖 288 张图片和 234 段共 17.6 小时的视频，人类 pass@1 达 93.1，而最佳 AI 系统 GPT 6 Astra 仅 53.6，GLM-5.3-flash 和 Kimi K3 分别只有 26.8 和 25.5。
Mistral AI精选AI 评分7373 Mistral AI 发布 Mistral Large 4 公开预览，月底开放权重
Mistral AI 启动 Mistral Large 4（ML4）公开预览，可在 Mistral Studio 试用预览 API，权重将于月底发布。ML4 是 1 万亿参数的原生多模态模型，激活参数 520 亿，在欧洲自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练。
推荐理由：Mistral 官方给出 ML4 在网络安全、编码与多模态上的多项基准数据，并承诺月底开放权重，可对照同类模型判断其开放定位。
Berkeley AI ResearchAI 评分5353 从 CUDA 到 MLX：K-Search 如何把数十年内核优化经验迁移到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 合作，为进化式内核搜索框架 K-Search 新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，把已有 CUDA 内核当作知识库适配到 Apple Silicon。
Berkeley AI ResearchAI 评分4646 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发文分析并行推理领域进展，重点是自适应并行推理（Adaptive Parallel Reasoning）：让推理模型自行决定何时分解并并行化独立子任务、生成多少并发线程及如何协调。
Berkeley AI ResearchAI 评分4040 GRASP：面向世界模型长时域规划的基于梯度的规划方法
Berkeley AI Research 的研究者（与 Mike Rabbat、Yann LeCun 等合作）提出基于梯度的规划器 GRASP，让学习式世界模型的长时域规划变得可行。
Berkeley AI ResearchAI 评分4747 **title_zh:** SPEX 与 ProxySPEX：大规模识别 LLM 中的关键交互
**summary_zh:** Berkeley AI Research 提出 SPEX（Spectral Explainer）与 ProxySPEX 算法，利用信号处理与编码理论在大规模下识别 LLM 中驱动模型行为的关键交互，覆盖特征归因、数据归因与模型组件归因三个层面。