Grok 4.7 上线 Amazon Bedrock，支持 500K 上下文与四级推理强度
xAI 的 Grok 4.7 现已上线 Amazon Bedrock，提供 500K token 上下文窗口，支持 low、medium、high、xhigh 四级推理强度，可通过 Responses、Chat Completions 和 Converse API 调用。
推荐理由：原文给出了模型能力、接入方式和成本控制要点，读者可据此判断如何在 Bedrock 上使用 Grok 4.7。
#推理
#推理
今日 2 条AWS Machine Learning Blog精选AI 评分7070 The Decoder精选AI 评分7878 Anthropic 发布 Claude Sonnet 5.5，多项基准接近 Opus 5.5 且单任务成本低至三成
Anthropic 发布 Claude Sonnet 5.5，输出速度提升超 30%，单任务成本最高降低 30%，在多项基准上接近 Opus 5.5。编码能力较前代大幅跃升，Terminal-Bench 4.0 得分从 10.3% 升至 70.6%，CursorBench 4.0 得分 55.5%，仅比 Opus 5.5 低约两分。
推荐理由：原文给出了 Sonnet 5.5 与 Opus 5.5 及前代的基准对比和定价，读者可据此判断中端模型的实际性价比。
OpenAI NewsAI 评分4242 Basis 借助 GPT-6 Astra 将税务工作簿处理速度提升 2 倍
GPT-6 Astra 完成 50 个标签页的税务工作簿，速度是 GPT-5.6 Sol 的两倍。其对用户意图更强的理解能力，让 Basis 在实际应用中更有信心。
AWS Machine Learning BlogAI 评分3838 AWS 如何用 EKS、EFA 与 DeepEP 将 MoE 强化学习吞吐提升 40%
AWS 提出一种结合 Amazon EKS、EFA 与 DeepEP 的架构，用于加速大规模 MoE 模型的强化学习后训练，吞吐量提升 40%。该方案重点优化专家并行（EP）带来的动态 all-to-all 通信，并协调 rollout 生成与策略训练之间的异构算力需求。文章分析了 RL 训练在算力、内存与网络带宽上的三重挑战，以及 PPO 与 GRPO 两类流程的共性基础设施压力。
AWS Machine Learning BlogAI 评分3838 使用 SkyRL 在 Amazon SageMaker HyperPod 上加速多模态 RL 训练
AWS 展示了如何在 SageMaker HyperPod 上运行开源 RL 框架 SkyRL，以 GRPO 算法训练 Qwen3-VL-8B 视觉语言模型导航视觉迷宫。
Hugging Face Blog精选AI 评分6060 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，加速视觉语言模型推理
Liquid AI 发布 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，通过投机解码在几乎不增加内存的前提下提升推理速度，解码加速最高达 3.13x（设备端）和 2.66x（H100），端到端提升最高 2.62x 和 2.27x。
推荐理由：原文给出了解码加速倍数、内存开销和三种推理框架的接入方式，读者可据此评估端侧视觉模型的推理收益。
AWS Machine Learning Blog精选AI 评分8080 Claude Opus 5.5 在 AWS 上线
Claude Opus 5.5 现已在 Amazon Bedrock 和 Claude Platform on AWS 上线，是 Claude 5.5 系列的首个模型。相比 Opus 5，它用更少 token 完成任务，平均单任务成本更低，并首次配备生物、网络安全和 AI 开发领域的安全分类器。模型支持自适应思考，可通过 effort 控制推理量，适用于智能体编码和长文档知识工作。
推荐理由：原文给出了新模型的效率、定价与安全分类器变化，读者可据此评估其在长任务和智能体编码场景的适用性。
Hugging Face Blog精选AI 评分6262 Multiverse 提出将 LLM 块剪枝转化为伊辛优化问题，深度压缩下 MMLU 提升近 23 个百分点
Multiverse Computing 发表论文，将大语言模型的块删除（深度剪枝）重构为约束二元优化问题，映射到伊辛玻璃自旋系统，用能量作为下游性能的廉价代理，从而无需逐一基准测试即可筛选大量候选配置。
推荐理由：把剪枝块选择映射为伊辛玻璃能量最小化，用物理求解器处理组合问题，在深度压缩下显著领先现有方法。
NVIDIA Blog精选AI 评分6868 NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中取得领先性能
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首次提交中，Qwen3-VL 吞吐量比 GB300 NVL72 最高提升 3.7 倍，DeepSeek-R1 最高提升 2.5 倍。GB300 NVL72 在 288 GPU 规模下实现 99% 扩展效率，软件优化带来最高 1.6 倍性能提升。Nebius 等 19 家合作伙伴也提交了结果。
推荐理由：原文给出 Vera Rubin NVL72 在 MLPerf 推理基准上的首秀成绩与对比数据，读者可据此评估新一代平台的推理性能与扩展效率。
Google ResearchAI 评分3838 绕过推理瓶颈：Google 用 Retrieve-for-Train 加速复杂 AI 搜索
Google 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，用离线强化学习将属性对齐的查询扇出编译为监督信号，并蒸馏进 53.9M 参数的扩散检索器，实现单次非自回归推理，无需测试时思维 token。该方法在 Gemma3-4B 和 Qwen3-4B 上微调，解决零样本 LLM 的释义坍缩与自回归延迟瓶颈。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber，这是六周内第三个 Flash 版本，定价与 3.7 Flash 相同，为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。
推荐理由：原文给出新模型在编码、推理和网络安全上的具体基准成绩与定价，读者可据此判断其相对前代和竞品的定位。
Hugging Face BlogAI 评分4242 BenchMIRT：LLM 基准测试究竟在衡量什么？
Hugging Face 推出 BenchMIRT，一种在单个提示词层面审计 LLM 基准测试的新方法，基于多维项目反应理论（MIRT）分离基准分数背后的不同能力信号。该方法在 100 个 LLM、16 个基准、超 34K 道题上训练，独立恢复了安全与通用推理两个主导维度。分析显示 BBQ 和 WMDP 分数与通用推理关联更强，而 HarmBench 的版权类问题也偏向推理而非安全。
Google Research精选AI 评分6262 Google Earth AI 推出行星预测引擎 PPE，自主完成地理空间建模全流程
Google Earth AI 推出实验性研究能力行星预测引擎（PPE），可自主执行从数据发现到模型训练评估的完整地理空间预测流程。
推荐理由：原文展示了 PPE 在公共卫生、粮食安全、疫情预测等任务上的具体提升幅度，读者可据此评估自主地理空间建模的当前能力边界。
Microsoft ResearchAI 评分4848 MindTopo 基准揭示多模态模型的空间推理短板
Microsoft Research 推出 MindTopo，一个评估多模态大模型拓扑推理能力的新基准，涵盖连通性、封闭、顺序、分离和打结五类任务，并区分静态推理与交互规划两个认知层级。
Google Research精选AI 评分6262 Google Research 提出知识画像框架：召回是参数化事实性的瓶颈
Google Research 提出知识画像框架，将事实状态分为编码失败、召回失败等五类，并发布 WikiProfile 基准，含 2,150 条维基百科事实。
推荐理由：论文用知识画像框架区分编码与召回失败，指出前沿模型的事实错误主要来自知识难以访问而非缺失，并验证了思考机制能恢复部分已编码事实。
Microsoft Research精选AI 评分6262 微软研究院发布 EvoLib 框架，将经验转化为可进化的知识库
微软研究院发布 EvoLib 框架，让大语言模型在推理过程中从自身经验中学习，无需真值标签或外部反馈，将过往尝试转化为可复用的技能和反思性洞察。EvoLib 通过整合与动态加权机制持续精炼知识，在数学推理、代码编写和长程决策任务上优于顶级检索式记忆方法，且对任务顺序具有鲁棒性。代码和实验结果已在 GitHub 上公开。
推荐理由：原文给出了将经验转化为可复用知识的具体机制和跨任务评测结果，读者可据此判断这类记忆进化方法相对传统检索记忆的实际收益。
Berkeley AI Research精选AI 评分7070 K-Search 将 CUDA 内核优化经验迁移到 Apple Silicon，注意力内核达 0.97x 原生性能
Berkeley AI Research 与 IBM Research 基于 K-Search 框架构建 MLX 后端，通过结构化 CUDA-to-MLX 翻译层，将 NVIDIA 内核优化知识自动迁移到 Apple Silicon。在注意力内核上达到原生 MLX 实现 0.97x 性能，在 Mamba SSM 内核上相比社区 mlx-lm 实现获得最高约 20 倍 prefill 加速。
推荐理由：原文展示了如何把 CUDA 内核优化经验自动迁移到 Apple Silicon，并给出注意力与 Mamba 内核的具体加速数据。
Berkeley AI Research精选AI 评分6262 ABBEL：用自然语言信念状态监督提升长程交互的摘要学习效率
Berkeley AI Research 提出 ABBEL 框架，将递归摘要建模为自然语言信念状态并对其内容进行监督，以提升长程交互中的学习效率。在 CollabBench 协作编码中，基于重建的信念评分将全上下文模型的性能差距缩小约一半，训练步数从 100 减至 50；在 Combination Lock 中，结合领域知识的评分器使学习效率超过全上下文模型。
推荐理由：原文给出了 ABBEL 框架在三个环境上的量化结果，读者可据此判断信念状态监督相比传统递归摘要的实际收益。
Google ResearchAI 评分3838 扩散模型的创造力从何而来：Google 研究揭示“分数平滑”机制
Google Research 在 ICLR 2026 发表论文，从数学上解释扩散模型的“创造力”并非偶然，而是源于神经网络训练中正则化导致的“分数平滑”效应。该效应使模型在去噪过程中生成训练数据点之间的插值样本，而非简单记忆。研究还发现，即使不显式使用权重衰减，梯度算法带来的隐式正则化也能产生同样效果。
Berkeley AI Research精选AI 评分6262 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布综述，系统梳理自适应并行推理（APR）范式：让模型自行决定何时并行、开多少线程及如何协调，以缓解顺序推理在上下文长度、延迟和计算上的瓶颈。文章对比了 Multiverse、ThreadWeaver、Parallel-R1、NPR 等方法在推理引擎改造、训练奖励设计上的差异，并指出并行化是否在测试时稳定提升准确率仍是开放问题。
推荐理由：梳理自适应并行推理这一新范式的动机、方法与推理系统实现，并对比各方法的奖励设计与评估取向。
Berkeley AI ResearchAI 评分4040 GRASP：面向更长视野世界模型的梯度规划方法
GRASP 是一种面向学习型动力学（世界模型）的新型梯度规划器，通过将轨迹提升至虚拟状态实现跨时间并行优化、直接向状态迭代添加随机性以增强探索，并重塑梯度以避免高维视觉模型中的脆弱“状态输入”梯度，使长视野规划变得实用。
Berkeley AI ResearchAI 评分3838 SPEX 与 ProxySPEX：面向 LLM 的大规模交互识别算法
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中的关键交互。SPEX 利用稀疏性和低阶性将搜索问题转化为稀疏恢复问题，在数千特征规模下保持高忠实度；ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融次数达到与 SPEX 相当的性能。