Elorian 推出 DecoyCount 视觉推理基准，实测前沿模型计数与视觉捷径缺陷
Elorian 联合 Mercor 发布 DecoyCount 基准并公布视觉推理测试结果，用于检验模型是在真实计数还是依赖视觉捷径与替代启发式。在测试中前沿模型准确率均低于 50%（最高者 GPT-6 Astra 为 43.17%），Elorian 自研视觉思考模型 Glimpse 在单次独立测试中取得 50.48% 准确率。
#推理
Latent SpaceAI 评分5353
TechCrunch · AI精选AI 评分7979 OpenAI 与 Anthropic 称模型推翻指数时间假说，这对计算机科学意味着什么
OpenAI 与 Anthropic 相继宣布其前沿模型找到了推翻指数时间假说（ETH）的算法证明，表明特定计算难题可能在亚指数时间内求解。MIT 理论计算机科学家 Ryan Williams 正联合同行评估证明细节并呼吁确立 AI 参与科研的学术规范。若该结论成立将大幅增加 P 等于 NP 的可能性，不过经 OpenAI 核查，当前进展尚未破坏现有密码系统的安全性。
推荐理由：文章梳理了指数时间假说与 P vs NP 的理论关联，有助于理解 AI 解决复杂算法难题对计算理论与密码学的潜在影响。
The DecoderAI 评分4040 前 DeepMind 研究员提出借鉴 AlphaGo 架构解决 AI 幻觉
前 DeepMind 研究员创立的 Metis Reasoning 提出借鉴 AlphaGo 架构，利用显式“知识账本”和独立验证机制解决模型幻觉问题。该方案将推理拆解为可验证的细分步骤，由两个神经网络提议并评估动作，必须通过计算、形式化证明或实证检验后才能更新知识。目前该研究仅发布了白皮书，尚未推出可用系统或 Benchmark。
The Decoder精选AI 评分7979 OpenAI 邀请诺奖得主等外部专家检验其 AI 生成的数理与计算证明
OpenAI 邀请多位外部知名学者对其 AI 系统在数学、计算机科学和物理学领域生成的证明进行独立审查。相关成果包括宣称证伪指数时间假设（ETH）、在任意维度证明局部平滑猜想，以及在四维空间证明特定量子场论的存在性。针对不同学科，OpenAI 采取了差异化处理方式，部分证明已转化为 Lean 语言供形式化验证，并公开了原始数据以供同行评议。
推荐理由：原文披露了外部顶尖专家介入检验的具体分工和数据公开方式，可作为观察前沿 AI 理论成果如何接受同行评审的实际参考。
Google DeepMind精选AI 评分7777 Google DeepMind 介绍 Gemini 4 Argon 的安全与责任开发
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同期扩大 Fairwind Program 的可信网络安全防御者范围。文中称 Argon 在网络安全测试中解出全部 12 个端到端模拟攻击场景（上一代为 5 个），并在生物、网络两类高风险领域启用新一代前沿防护。
推荐理由：Google 披露 Gemini 4 Argon 在网络安全与生物领域的前沿能力及对应防护设计，可了解模型能力扩张时的安全取舍。
Import AIAI 评分6161 Import AI 476：创造力与递归自我改进、弱于中国的开放权重模型、AI 走向太空
Import AI 476 汇总了多项新研究：Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准，用 522 道题测模型对图像和视频隐含信息的直觉推理，人类基线 pass@1 为 93.1，表现最好的 GPT 6 Astra 为 53.6，GLM-5.3-flash 与 Kimi K3 仅在 26 左右。
Berkeley AI ResearchAI 评分4242 面向世界模型的 GRASP：长时程规划的梯度优化新方法
研究者提出基于梯度的规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代加入随机性以探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中计算图病态、非贪心局部极小和高维视觉模型梯度脆弱的问题，使世界模型的长时程规划更稳健。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，用于在大规模场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性，把高维交互搜索转化为稀疏恢复问题，在数千特征下仍保持高 faithfulness；ProxySPEX 借助层级结构，仅用约 10x 更少的消融即可达到 SPEX 的性能。