AI 前沿日报

Google DeepMind 的 AlphaProof Nexus 系统成功解决包括 9 个 Erdős 问题在内的数十个长期未解数学猜想，并通过《Science》期刊同行评审。这标志着 AI 在自主数学推理领域取得实质性突破。

该系统以 Gemini 3.1 Pro 为核心，利用 Lean 形式化证明语言进行实时错误反馈迭代。即使不依赖专用工具 AlphaProof，它也能独立解决高难度问题。

AlphaProof Nexus 解决了两个悬置 56 年的 Erdős 问题及 44 个 OEIS 整数序列猜想。其架构通过生成草稿并结合形式化检查器修正证明，实现了严谨的验证流程。

区别于此前仅发布预印本或引发争议的 AI 数学工作，该研究经过严格同行评审，确立了 AI 辅助数学发现的新标准。

PhAI Labs 推出 RSI-Anything 框架，通过引入世界模型预测行动后果并利用真实反馈迭代，突破传统递归自我改进（RSI）局限于数字任务的瓶颈。该方法在代码修复、GUI 交互及化学实验规划中均显著提升成功率。

实验显示，在代码修复任务中，仅通过世界模型辅助选择方案，成功率从 26.3% 提升至 31.2%，无需更换基座模型。这证明了外部优化机制的有效性。

小参数模型（4B）经过连续五代自我改进，在实验室规划任务上的表现超越了采用更大模型组合的参考系统。这表明高效进化策略可弥补参数量差距。

RSI-Anything 的核心在于行动前预判后果，并通过真实反馈优化预测器，实现跨领域的自我进化能力。

研究团队提出直接隐状态对齐（DHSA）方法，通过残差竞争图（RCM）量化模型内部支持或抵消偏好的计算作用，实现无需修改基座权重的推理时动态干预。该方法仅需引入少量控制参数即可达到 DPO 水准。

DHSA 揭示了“输出符合偏好”与“内部作用一致”之间的差异。研究发现，即使模型输出符合偏好，内部仍可能存在抵消目标的计算作用，DPO 等训练方法并未完全消除这种内部竞争。

通过引入 256-16384 个控制参数，DHSA 在保持基座模型多样性的同时，实现了与 DPO 相当的对齐效果。这为轻量级偏好对齐提供了新范式。

该技术将外部偏好映射回推理时的原生计算，量化组件对目标的支持或抵消作用，从而在推理阶段直接干预隐状态。

微软 CEO Satya Nadella 宣布第三代自研 AI 推理芯片 Maia 300，计划于 2027 年全面部署以取代 Nvidia 和 AMD 硬件成为 Azure 核心基础设施。该芯片旨在大幅降低大规模 AI 推理成本并解决数据移动瓶颈。

Maia 300 采用台积电 N2P 2 纳米制程与多芯粒设计，宣称在同等功耗下比主流 GPU 系统提供高出 40% 的每兆瓦 Token 吞吐量。其配备 8 组 HBM4 内存，总容量达 288GB，带宽高达 18TB/s。

FP4 算力为 13.8 PFLOPS，额定功耗 950W。架构专为长上下文推理、低延迟对话及多步智能体任务优化，单机架集成 96 个加速器，相比前代 Maia 200 实现了 7 倍的 Token 处理效率提升。

目前 Maia 200 已在 Copilot 中落地。Maia 300 重点解决大模型推理中的数据搬运瓶颈，能效比领先 GPU 方案 40%，标志着微软自研硅片战略的深化。

Andrej Karpathy 指出当前社会对大语言模型（LLM）能力存在严重的“漏斗状”认知断层。全球约 75% 的人口几乎未接触 LLM，20% 的用户仅将其视为增强搜索工具，而真正体验前沿突破的群体仅占 0.2%。

这一极少数专业开发者见证了智能体在数学与代码领域实现质变，即将原本需数周完成的复杂工程任务压缩至单次提示的端到端自动交付。这揭示了公众感知与模型实际潜力之间的巨大鸿沟。

多方信源交叉验证显示，认知差异的核心机制在于任务的“可验证性”。代码和数学等领域拥有明确的对错标准（如单元测试通过率），使得强化学习能在此类垂直场景中高效优化模型性能。

相比之下，非结构化领域缺乏自动验证机制，且受限于免费/付费版本的权限隔离及 B2B 商业价值导向的训练资源倾斜，导致大众难以直观感知 AI 在处理长程复杂任务时的颠覆性效率。

亚马逊正深入洽谈以约 70 亿美元估值收购 AI 基础设施初创公司 Decart，此举标志着科技巨头对底层算力软件栈的战略争夺进入白热化阶段。交易若达成，将直接服务于 AWS 降低自研芯片 Trainium 的每 Token 推理成本。

Decart 的核心资产是其“动态操作系统”（DOS）优化栈，该技术声称能在 Nvidia、Google TPU 和 Amazon Trainium 等异构硬件上无缝切换，并实现最高 8 倍的模型运行加速。

此次收购价格较 Decart 5 月近 40 亿美元的估值溢价显著，且高于此前 Anthropic 曾提出的 60 亿美元报价。值得注意的是，AWS 早在 2025 年即向 Decart 开放了 Trainium3 的早期访问权限，双方已具备深度的技术适配基础。

Anthropic 曾因尽职调查放弃 60 亿美元收购案，转而寻求其他路径解决算力瓶颈。亚马逊此举旨在打破算力锁定，并增强其在实时世界模型与物理 AI 仿真领域的布局。

华为诺亚方舟实验室与 UCL 团队联合推出 Memento 3 智能体系统，在完全冻结 Claude Opus 5 权重、无任何游戏特定微调的前提下，成功以满分成绩通关 ARC-AGI-3 基准测试的全部 25 款游戏。

该系统将相对人类行动效率（RHAE）指标从底模基准的 40.7 大幅提升至 100，总操作次数比人类平均水平减少约 56%，实现了复杂交互任务中的极致效率突破。

Memento 3 的核心创新在于“基于世界模型的递归自我改进”机制。AI 不依赖预训练知识或参数更新，而是通过试错、反思和代码生成自行构建可检查、可执行、可回滚的外部状态图环境规则模型。

这种架构设计使得智能体能在陌生环境中快速收敛最优策略，并在 Atari Pong 测试中展现出脱离大模型实时推理仍能自主迭代策略的能力，显著降低了在线交互的计算延迟与成本。

南洋理工大学等机构提出 RoboFoundry，首次将具身智能体的整套系统形式化为“自进化的系统即策略”。该框架在保持基座模型参数冻结的前提下，通过自动诊断并进化上下文、技能及执行接口，实现自主优化。

实验显示，GPT-5.5 在 EmbodiedBench 上的成功率从 56.9% 提升至 72.7%，并在长程记忆与扰动测试中显著超越基线。这证明了在不修改模型参数的情况下，系统层面的进化可带来性能飞跃。

RoboFoundry 定义了新范式：将上下文、技能和执行接口视为可独立进化的组件，而非静态配置。这种“系统即策略”（System-as-Policy）理念打破了传统对模型权重的依赖。

该框架在真实机器人上展示了跨机器人、跨任务的零样本迁移以及部署后的在线进化能力。在 LIBERO-PRO 扰动测试中，其表现比 CaP-Agent0 高出 243.8–679.7%。

针对智能体在长轨迹中因固定阈值压缩导致关键中间结果丢失的痛点，Apple ML Research 提出 Self-Compacting 框架。该框架通过引入压缩工具与轻量级评估准则（Rubric），让模型自主决定何时压缩上下文。

与传统依赖外部触发器的固定间隔压缩不同，Self-Compacting 允许模型基于任务状态（如子任务解决或收敛）自主判断压缩时机，避免了在推导中途丢弃部分结果的问题。

实验表明，该方法在六个基准测试和七个模型上显著降低了单题成本。它揭示了模型缺乏自我感知上下文腐烂能力的元认知差距，证明脚手架可替代训练解决此问题。

核心机制是“压缩工具 + 轻量级 Rubric”，Rubric 明确界定何时触发压缩（子任务解决/收敛）和抑制压缩（推导中/卡住），从而实现更智能的上下文管理。

vLLM 在 Prefill-Decode 分离架构中实现双向 KV Cache 传输，解决多轮 Agent 场景下重复计算历史 Token 导致的 TTFT 高延迟问题。该方案允许 Decode 节点将生成部分的 KV 状态回传至 Prefill 节点复用。

传统单向 KV 传输导致多轮对话中 Prefill 节点需重复计算上一轮生成的 Token，增加 TTFT 延迟。双向传输机制使 Decode 节点能共享其持有的完整会话 KV 状态给 Prefill 节点，避免冗余计算。

该优化特别适用于工具调用频繁、上下文不断累积的复杂智能体（Agent）工作负载。通过复用 KV 状态，显著降低了上下文累积带来的推理开销。

这一改进提升了多轮交互的效率，为构建低延迟、高吞吐的智能体应用提供了底层基础设施支持。