Drew Breunig 将 NES 6502 CPU 模拟器嵌入 Qwen3.5-4B 权重
Drew Breunig 受 Divyansh Agrawal 的 qwenputer 启发，把可运行的 NES 6502 CPU 模拟器嵌入 Qwen3.5-4B 的权重中，现在可以在 Qwen 里（很慢地）运行 Super Mario Bros 等 NES ROM。
#推理
Simon WillisonAI 评分5858
Amazon ScienceAI 评分3838 亚马逊联合 Booking.com 用知识蒸馏与 Medusa 加速旅行场景 LLM
亚马逊科学与 Booking.com 合作，将知识蒸馏与 Medusa 框架结合，把 70B 参数的 Llama-3.1 教师模型压缩为 1.1B 的 TinyLlama 学生模型，质量接近教师模型而成本不到三分之一、速度最高提升 20 倍。
Meta EngineeringAI 评分3636 Meta Andromeda：通过模型-系统协同设计驱动下一代广告检索
Meta 发布下一代个性化广告检索系统 Meta Andromeda，单张 GH200 GPU 推理吞吐超过每秒 100 亿条广告，相比 2024 版提升 100 倍。新架构将 LLM 式 MoE 引入检索阶段，推理 FLOPs 比 2024 版检索模型少约 300 倍，性能接近排序阶段水平。自 2025 年以来，该系统已在 Facebook 带来 2.4% 的转化率提升。
MarkTechPostAI 评分5858 Polymathic AI 与普林斯顿等机构发布 FlashMap，LLM 解码最高提速 6.14 倍
Polymathic AI、普林斯顿大学、USC ISI、NYU 和 Flatiron Institute 的研究者发布 FlashMap，用连续流映射替代离散扩散草稿器，一次前向传播草拟 16 个 token 的整块内容。
Hacker News AIAI 评分3838 Claude 对决无 GPU 的 SapienTronic AI：推理竞赛
SapienTronic AI（原 Minotaur AI）与 Claude 在 1,186 道水处理厂与逻辑谜题上对决，前者在笔记本上 28 秒零 token 满分，Claude 耗时 28 分钟、约 50 万 token 且答错一题并对此确信不疑。测试包含最长 200 步的推理链、14 座城镇共 252 条事实的逻辑题，以及只有无限城镇才能满足的陷阱题，并单独统计"自信的错误"。
Artificial Analysis Articles精选AI 评分6060 Artificial Analysis 发布 Intelligence Index v5 与 Progress Index v1
Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 和 Terminal-Bench-Science 两项基准，升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的评测基于私有测试集或留出答案。
推荐理由：原文给出 v5 的基准构成、权重与各模型得分，可据此比较前沿模型在编码、科研与知识任务上的差距。
Hacker News AI同新闻AI 评分8585 OpenAI 称其 AI 推翻计算机科学沿用近 30 年的指数时间假设
OpenAI 在 10 月 26 日的博客中称，其模型设计出一种算法，突破了求解逻辑谜题此前假定的速度上限，从而否证了近 30 年前提出的指数时间假设（ETH）。
Hacker News AI精选AI 评分8888 OpenAI 称其模型推翻指数时间假说，Lean 证明与算法速度被逐条拆解
OpenAI 于 2026 年 10 月 26 日称其内部模型产出三项数学与物理结果，其中包括一个推翻指数时间假说（ETH）的确定性算法，该算法可在多项式空间内计数 k-CNF 的全部解。
推荐理由：原文把 OpenAI 声称推翻 ETH 的算法换算成具体变量规模，并拆解 Lean 定理实际证明了什么、没证明什么。
Import AIAI 评分5757 Import AI 478：数学形式化助力对齐、ProgramBench 与 Mirendil 展示 RSI 雏形
Import AI 第 478 期汇总了多项 AI 研究进展：AI 安全初创公司 Resolution 用智能体自动形式化了奇点消解相关数学证明，耗时约一周、消耗约 100B 输入 token 和 3 亿输出 token，token 花费约 13.5 万美元，产出约 60 万行 Lean 代码。
Hugging Face BlogAI 评分5858 VocabX 如何通过特化 SLM 词表将推理成本降低 77%
Dharma-AI 预告即将发布的 VocabX 论文，提出按 token 成本而非频率特化小模型词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上把平均响应从 350 个 token 降到 101 个，实测推理成本下降 77.0%，bench 分数从 0.703 升到 0.810。
Microsoft ResearchAI 评分5858 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序，在 15 个基准程序上平均比现有最快的同类 zkVM 快 10 到 39 倍，证明验证约需 12 毫秒。
Import AIAI 评分4848 Import AI 476：创造力与递归自我改进；不如中国的开源权重模型；AI 走向太空
Import AI 476 聚焦三项进展：Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准，含 522 道题、288 张图和 234 段视频，人类 pass@1 达 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX 后端，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库，在 Apple Silicon 上生成高质量内核。
推荐理由：读者可以看到 CUDA 内核经验如何被结构化翻译成 MLX 优化策略，以及翻译层对性能提升的具体贡献。
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的递归摘要隔离为自然语言"信念状态"并对其内容进行监督评分，在 CollabBench 协作编程任务上把与全上下文模型的性能差距缩小约 50%，训练步数也从 100 步降至 50 步。该方法借鉴自编码器思路，用当前模型从信念状态重建最新观测作为奖励信号，训练后峰值上下文 token 长度仍显著低于全上下文设置。
Berkeley AI ResearchAI 评分3838 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以促进探索，并重塑梯度让动作获得清晰信号、避开高维视觉模型中的脆弱"状态-输入"梯度，使基于学习世界模型的长时程规划更实用。该方法针对长时程 rollout 带来的梯度爆炸/消失、非贪心结构造成的局部极小值以及高维隐空间失效模式。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到与 SPEX 相当的性能。