Sakana AI 发布 ShinkaEvolve：用 LLM 高效进化新算法并开源
Sakana AI 发布开源进化式代码优化框架 ShinkaEvolve（Apache 2.0），用 LLM 进化程序并大幅提升样本效率，技术报告见 https://arxiv.org/abs/2509.19349 。
推荐理由：原文给出四个领域的实测结果和样本效率对比，读者可以据此评估它在自己的研发流程里能替代什么。
论文研究
全部主题值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
最新精选
第 61–65 条 · 共 65 条Sakana AI：Blog（网页）精选AI 评分7878
Thinking Machines Lab：官方博客（RSS）精选AI 评分6666 Thinking Machines Lab 解析 LLM 推理非确定性的真正成因并发布批不变 kernel
Thinking Machines Lab 的 Horace He 发文指出，LLM 推理非确定性的主因不是并发加浮点误差，而是服务器负载变化导致 batch size 变化，使非批不变的 kernel 输出随批次改变。
推荐理由：原文指出 LLM 推理不确定性的真正根源是批大小变化而非并发原子加，并给出可复现的批不变 kernel 方案。
Mistral AI：News（网页）精选AI 评分6161 Mistral AI 发布 Mistral Large 2 全生命周期环境影响分析
Mistral AI 联合 Carbone 4 和 ADEME 完成 AI 模型首个综合生命周期分析（LCA），并经 Resilio 和 Hubblo 同行评审。
推荐理由：原文给出了 Mistral Large 2 全生命周期的具体碳、水和资源消耗数字，并说明其对选型与采购的意义。
Sakana AI：Blog（网页）精选AI 评分7070 Sakana AI 发布 ALE-Bench 基准与 ALE-Agent，在 AtCoder 启发式竞赛获第 21 名
Sakana AI 与 AtCoder 合作发布 ALE-Bench 基准，基于 40 道历史 AtCoder 启发式竞赛（AHC）的 NP-hard 优化题，考察长周期迭代式算法工程能力，并开发了专用智能体 ALE-Agent。
推荐理由：原文给出基准构成、竞赛名次和 agent 的具体改进策略，也如实写了局限，读者可据此评估 AI 做长周期算法工程的现状。
Sakana AI：Blog（网页）精选AI 评分7070 Sakana AI 与 AtCoder 联合发布 ALE-Bench 基准及 ALE-Agent，实测竞赛获 21 名
Sakana AI 与 AtCoder 联合发布组合优化算法工程基准 ALE-Bench，并开发专用 AI 智能体 ALE-Agent，论文见 https://arxiv.org/abs/2506.09050。
推荐理由：官方一手发布，给出基准构成、竞赛实测名次和 AI 与人类解题方式的差异分析，读者可据此评估长时推理能力的现状。