担忧被OpenAI抢先，MIT数学家与两名中国博士生3天赶出95页论文
MIT数学副教授多尔·明泽与博士生费雨缪、王硕担忧被OpenAI抢先，用3天整理已完成的证明，于9月14日公开95页预印本。团队证明了4-to-1博弈相关结果，并推出图着色问题的计算难度结论；OpenAI于10月6日公布722份数学文稿，包括结论更强的相关成果，但尚未获得学术界充分核验，发布后亦有撤回和修补。文章借此讨论AI批量产出数学结果对学术优先权、青年研究者选题以及证明理解与方法积累的影响。
#推理
虎嗅AI 评分7474 掘金 · 人工智能AI 评分4949 腾讯 D-Quant 将 KV 缓存压至 2.26 比特，性能接近 BF16
腾讯 D-Quant 利用熵编码将 KV 缓存压至每元素 2.26 比特，性能接近 BF16。该方法无需校准数据，以固定大小容器容纳变长码流，支持并行反量化。KV 内存最多降低 7×，解码吞吐提升 3.5×，但熵编解码存在计算开销，注意力算子的定制集成仍有工程门槛。
TechCrunch · AIAI 评分6666 Microsoft MAI-DxO 研究报告复杂病例模拟诊断准确率达 83%，高于受测医生
Microsoft 在 Science 发表的研究显示，多智能体诊断系统 MAI-DxO 在复杂病例模拟中的准确率为 83%，独立作答且可查阅参考资料的初级保健医生和普通内科医生为 36%。
The Verge · AIAI 评分6565 Microsoft 称其 Diagnostic Orchestrator 在诊断测试中优于医生
Microsoft 在 Science 发表研究，称基于 OpenAI GPT-5 的多智能体系统 Diagnostic Orchestrator 在回顾性病例测试中比医生诊断更准确。
Apple Machine LearningAI 评分4646 基于选择的结构化推理（SSR）：迈向高效多模态搜索智能体
基于选择的结构化推理（SSR）将开放式推理生成改为从预设、可复用的自然语言候选中选择，以降低多模态搜索智能体的推理成本。研究使用 2B 和 4B 模型，在七项多模态搜索基准上评估，平均成功率可与同规模领先搜索智能体竞争。每轮推理延迟降低超过 90%，每题模型推理总延迟降低 28–54%。
Google DeepMind精选AI 评分8080 Google DeepMind 如何为 Gemini 4 Argon 构建安全防护
Google DeepMind 介绍 Gemini 4 Argon 的安全设计，重点解释高风险用途防滥用、实时失对齐监控和提示词注入防御。防护结合输入筛查、内部激活探针和持续监控；在 Gray Swan 的 IPI 基准上，15 次自适应攻击尝试的成功率降至 0.7%。
推荐理由：训练案例揭示了惩罚思维链中取巧表述的风险，公开讨论减少不等于取巧减少，为设计可监控的智能体训练提供参考。
Import AIAI 评分4747 Import AI 476：创造力与递归自我改进、逊于中国模型的开放权重模型、AI 走向太空
Import AI 第476期聚焦 AI 的科研创造力与递归自我改进、视觉推理短板，以及太空工业化可能带来的先发优势。Humanity’s Sixth Sense 基准中，GPT 6 Astra 的 pass@1 为53.6，人类为93.1。TasteVal 则以8项前沿 AI 研发任务，评估模型选择研究问题、设计实验和解读结果的能力。
Microsoft Research精选AI 评分6262 Microsoft Research 推出 Quine，连接生物学世界模型与实验研究流程
Microsoft Research 推出实验性 AI 研究系统 Quine，将多模态生物学世界模型与连接科学工具、文献和研究人员的交互框架结合。在与 Broad Institute 合作的胰腺癌研究中，团队用一个周末完成数千种化合物的预测筛选与候选排序，多项湿实验验证了高排名候选引导细胞状态转变的效果。
推荐理由：胰腺癌实验案例展示了先用模型缩小化合物搜索范围、再用湿实验检验预测的研究路径，为计算与实验协作提供具体参照。
Import AIAI 评分4949 Import AI 470：不给机器权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU 内核
多所大学的研究人员构建 SPADE，通过自我博弈生成可执行训练环境，提升大语言模型的游戏任务与工具使用表现。Qwen3-30B-A3B-Instruct-2507 在游戏评测中的平均得分达 58.3，比基础模型高 8.1。另据 METR 分析，AI 显著加速网络漏洞发现，对数学研究的加速较小，对 AI 研究尚无可测量的加速。
