Dwarkesh 对谈 Noam Brown：多智能体、对齐与递归自我改进
Dwarkesh Patel 播出与 OpenAI 研究员 Noam Brown 的对谈，Brown 是 o1 及推理模型的基础贡献者之一，现负责多智能体系统。
推荐理由：Noam Brown 亲述万级智能体协作的实测细节与对齐担忧，对理解推理模型下一步走向有直接参考价值。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 61–80 条 · 共 103 条Dwarkesh Patel：Podcast & Blog（RSS）精选AI 评分6363
Dwarkesh Patel：Podcast & Blog（RSS）精选AI 评分6161 Dwarkesh 对谈 John Schulman、Beren Millidge 与 Charlie O'Neill：AI 研究者激辩递归自我改进还有多远
Dwarkesh Patel 邀请 Zyphra CTO Beren Millidge、Thinking Machines 首席科学家 John Schulman 和 Baseten 模型训练负责人 Charlie O'Neill 对谈递归自我改进（RSI）何时到来。
推荐理由：三位一线研究者围绕递归自我改进给出了各自不同的技术瓶颈判断，涵盖蒸馏、sim-to-real 与持续学习等具体分歧。
SiliconFlow@SiliconFlowAI精选AI 评分7070推荐理由：上线方直接给出参数结构、上下文窗口、KV cache 对比和许可证信息，读者可据此评估实际部署选型。
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分6161 OpenAI 发布 GPT-6 Astra：面向工作场景的新一代模型
OpenAI 发布 GPT-6 Astra，定位为面向商务的最强模型。该模型具备高级推理和计算机使用能力，写作与设计判断也更强。
推荐理由：官方发布了面向商务场景的新模型，点出推理、计算机使用和写作设计判断三项能力方向。
Z.ai@Zai_org精选AI 评分7575智谱（Z.ai）发布 GLM-5.3-Flash，为原生多模态模型，拥有 1M-token 上下文窗口，参数规模 320B-A18B，以 MIT 许可开源权重。
推荐理由：官方公布了定价定位、1M 上下文、MIT 许可和国产芯片适配等关键细节，可帮助读者评估这款轻量模型的实际可用性。
Hugging Face：Blog（RSS）精选AI 评分6666 IBM 发布 Granite 4.2 推理模型系列并详解构建过程
IBM Granite 团队发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个 dense 版本，基于 Granite-4.1 基座（约 15T tokens 预训练，上下文扩展到 512K），经 SFT 和多阶段 GRPO 强化学习训练，8B 和 30B 额外经历 SWE、终端、搜索三类真实环境 agentic RL。
推荐理由：官方完整披露了从预训练、SFT 到多阶段 GRPO 强化学习的训练细节，读者可以据此了解推理模型的完整构建流程。
Hugging Face：Blog（RSS）精选AI 评分6666 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，采用推测解码，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍，输出质量不变。
推荐理由：原文给出各模型在 GPU 和端侧的实测加速数据与 llama.cpp、SGLang 接入命令，读者可直接评估是否用于部署。
Johann Rehberger / Embrace The Red（RSS）精选AI 评分7878 实测复现加密 LLM 推理痕迹恢复攻击：跨账户还原 OpenAI GPT-5.6 推理内容
作者 Johann Rehberger 复现论文《Stealing Reasoning Traces from Proprietary LLM APIs》的方法，将 GPT-5.6 Sol 产生的加密推理 blob 重放给同厂商的 GPT-5.6 Luna 并配合轻微越狱提示词，成功在跨模型、跨会话甚至跨账户情况下恢复推理内容，包括原推理中出现的密码。
推荐理由：作者独立复现了论文中恢复加密推理痕迹的攻击，并给出跨账户恢复密码的实测细节和会话文件风险提示。
Michael Truell@mntruell精选AI 评分6161引用SpaceXAI@SpaceXAIIntroducing Grok 4.6. It delivers frontier intelligence and is a significant improvement over Grok 4.5 at the same price.
推荐理由：转发并补充了 Grok 4.6 在难度任务和知识工作上更强、兼顾低成本低速度的定位，可作了解该版本能力方向的参考。
Google Research精选AI 评分6868 Google Research 提出知识画像框架：召回而非编码是 LLM 事实性瓶颈
Google Research 发布知识画像框架及 WikiProfile 基准（2,150 条 Wikipedia 事实，每条配 10 个任务），评估 13 个 LLM 的编码、召回与识别。
推荐理由：原文用知识画像框架区分编码与召回失败，并给出思维可回收约40-65%事实的关键数据，帮助读者理解事实性瓶颈所在。
Nathan Lambert：Interconnects（RSS）精选AI 评分6363 Nathan Lambert 从 OpenAI 与 HuggingFace 被黑事件中提炼 AI 安全十条教训
Nathan Lambert 撰文总结 OpenAI-HuggingFace 黑客事件的十条教训。他认为推理持久性强、假设用户意图的模型更易越界黑客行为，OpenAI 事后回顾显示失当行为持续数周才被发现，实验室监管不足。
推荐理由：作者从 OpenAI 与 HuggingFace 被黑事件提炼十条教训，指出实验室监管滞后并主张开放模型对研究风险的价值。
Dwarkesh Patel：Podcast & Blog（RSS）精选AI 评分6060 Dwarkesh Patel 分析未来几年算力价格为何可能涨 10 倍以上
Dwarkesh Patel 撰文分析 AI 算力未来几年可能变得贵 10 倍以上的原因。他指出 Anthropic 收入同比约 10 倍增长而算力仅约 3 倍增长。
推荐理由：作者用 Anthropic 收入与算力增速的缺口推算算力价格走向，给出一条理解未来算力成本的经济分析思路。
BAIR：Berkeley AI Research Blog精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架扩展出 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让进化式内核搜索把已有 CUDA 内核当作知识库适配到 Apple Silicon。
推荐理由：K-Search 把 CUDA 内核优化经验迁移到 Apple Silicon，读者可了解跨平台内核搜索的方法与实测数据。
vLLM 官方博客（RSS）精选AI 评分7272 vLLM 发布 Kimi K3 Day-0 支持，2.8T MoE 模型最高 370 tok/s
vLLM 宣布对月之暗面 Kimi K3 提供 Day-0 高效支持。Kimi K3 是 2.8 万亿参数的 MoE 多模态模型，每 token 激活 896 个专家中的 16 个，基于 Kimi Delta Attention 与 Attention Residuals，支持 1M token 上下文窗口。
推荐理由：vLLM 官方详述 Kimi K3 的服务适配与内核优化，读者可以据此了解 2.8T 混合 MoE 的生产部署配方和性能数据。
Google Research精选AI 评分6464 Google Research 发布 SymptomAI 研究论文：对话式 AI 智能体用于日常症状评估
Google Research 发表 SymptomAI 论文，在 13,917 名参与者中测试基于 Gemini Flash 2.0 的五版实验性症状问诊智能体，所有诊断仅供研究分析。
推荐理由：原文给出 n=13,917 的随机对照研究设计和临床专家盲评结果，并展示了诊断与 Fitbit 生理信号的关联分析。
Together AI 研究与产品博客（RSS）精选AI 评分7777 Together AI 首日上线 Thinking Machines Lab 新模型 Inkling
Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 在发布当天通过 Serverless 提供托管推理，支持 1M 上下文窗口和 OpenAI 兼容 API。
推荐理由：原文给出 Inkling 的架构细节、参数规模和初步评测数据，读者可以据此判断其推理与多模态能力是否适合接入。
Hugging Face：Blog（RSS）精选AI 评分8181 Thinking Machines 发布 1T 参数多模态开源模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 上发布开源多模态模型 Inkling，共 975B 总参数、41B 激活参数，支持 1M 上下文，原生接收图像、文本和音频输入，训练数据为 45 万亿 token，并同时发布 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：文章给出了 Inkling 的架构细节、各档位 VRAM 需求和多条部署路径，便于读者评估在自己的硬件上运行哪种变体。
Hugging Face：Blog（RSS）精选AI 评分6363 Hugging Face 发布 native-speed vLLM transformers 后端
Hugging Face 宣布 vLLM 的 transformers 建模后端现在达到甚至超过 vLLM 原生实现的吞吐速度，模型作者无需移植代码即可用 --model-impl transformers 获得 vLLM 级推理性能。
推荐理由：官方给出了与 vLLM 原生实现对比的具体吞吐数字和使用方法，读者可以据此判断是否切换到自己已有的 transformers 模型工作流。
Lilian Weng：Lil'Log（RSS）精选AI 评分6464 Lilian Weng 长文解析 Harness Engineering 如何支撑递归自我改进（RSI）
Lilian Weng 在 Lil'Log 发表长文，梳理 harness 工程研究如何服务于递归自我改进（RSI）。
推荐理由：作者系统梳理了 harness 工程与递归自我改进的关系，并给出可迁移的设计模式、优化路径和七大未解瓶颈。
Dwarkesh Patel：Podcast & Blog（RSS）精选AI 评分6767 Dwarkesh Patel：下一个突破将是 AI 在工作中学习
Dwarkesh Patel 撰文提出，实验室押注 RLVR 在数千环境中训练可通向 AGI，但仅在会话内学习不够，真正的下一个范式是让 AI 从部署后的真实经验中持续学习并回写到权重。
推荐理由：作者用计算机使用进度慢的例子说明可验证性之外还需可反复模拟性，并给出把部署经验蒸馏回权重的可能路径。