开源工具 BootLoops 支持 AI 模型进行精确科学计算
哈佛大学物理学家 Matthew Schwartz 在 Anthropic 的客座文章中介绍了开源工具 BootLoops，该工具旨在利用 Claude 等 AI 模型进行精确的科学计算，以填补跨学科知识间的空白。
#推理
The DecoderAI 评分5151
Ars Technica · AIAI 评分6464 AI Ataraxos 以低成本击败史上最佳 Stratego 玩家
卡内基梅隆大学等机构的研究团队开发的 AI Ataraxos 以 15 胜 1 负 4 平的战绩击败了史上最佳 Stratego 玩家 Pim Niemeijer。该模型仅使用 16 块 GPU 和数千美元的训练成本就取得了突破。Stratego 是一种信息不完全的游戏，此前即使 DeepMind 也未能可靠地击败顶尖人类玩家。
Google ResearchAI 评分4747 Google Research 论文：利用 Retrieve-for-Train 框架绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习将优化后的查询分解行为蒸馏至一个 53.9M 参数的扩散模型，从而在推理时绕过文本链式推理 token 的生成瓶颈。该方法使用 Gemma3-4B 和 Qwen3-4B 等开源模型进行微调，旨在实现满足集合层面属性（如多样性、互补性）的高效单次查询扩展。
Import AIAI 评分4242 DiG-bench 评测显示 Fable 5 与 Claude Code 组合展现创造性直觉
DiG-bench 评测中，Opus 5 与 Fable 5（结合 Claude Code）总体表现最佳，仅在最高难度 Tier 7 上达到 0.2 的胜率。GPT-5.5、Kimi K3 在借助工具链时可攻克部分 Tier 6 任务，而 GLM-5.2 与 Gemini 3.1 Pro 则止步于 Tier 4。
Berkeley AI ResearchAI 评分5252 ABBEL：教大语言模型更新信念状态以实现高效长程交互
伯克利 AI 研究团队提出 ABBEL 框架，通过将摘要视为信念状态并引入信念分级监督，来提升长程交互任务中的学习效率和性能。在 CollabBench 协作编码环境中，使用基于重构的信念分级函数将性能与全上下文模型的差距缩小了约 50%，训练步数减少了 50%。该框架还展示了在 Combination Lock 和多目标问答环境中减少内存使用或提升学习效率的潜力。
Berkeley AI ResearchAI 评分3535 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让推理模型能自行决定何时分解并行化独立子任务、生成多少并发线程以及如何协调它们。现有方法如 Self-Consistency、Tree of Thoughts 和 GroupThink 的并行化决策均由外部框架强加，而非模型自适应选择。该方法旨在解决序列推理因探索路径积累导致的上下文窗口超限、性能下降和延迟增长问题。
Berkeley AI ResearchAI 评分4242 GRASP：面向世界模型长时程规划的梯度优化方法
GRASP 是一种基于梯度的规划器，通过虚拟状态展开、状态迭代随机化和梯度重塑三项技术，显著提升了在大型学习世界模型中进行长时程规划的鲁棒性。该方法解决了长时程优化中梯度爆炸/消失、非贪婪结构导致的局部极小值以及高维视觉模型带来的脆弱梯度信号等问题。GRASP 使基于世界模型的规划能够更有效地用于控制、学习和决策任务。
Berkeley AI ResearchAI 评分3636 SPEX 与 ProxySPEX：大规模识别 LLM 交互作用的算法框架
Berkeley AI Research 提出了 SPEX 和 ProxySPEX 算法框架，用于大规模识别驱动大语言模型决策的关键特征、数据和模型组件间的交互作用。SPEX 利用稀疏性和低度性，将交互发现重构为可解的稀疏恢复问题；ProxySPEX 则利用交互的层次性结构，能以约 10 倍更少的消融操作达到与 SPEX 相当的性能。这些方法在特征归因、数据归因和模型组件归因中实现了高效交互发现。