#推理

Elorian 用 DecoyCount 基准测试前沿模型的视觉推理能力

Elorian 联合 Mercor 发布 DecoyCount 基准，测试语言模型是真正数物体还是依赖视觉捷径，前沿模型准确率均低于 50%，最高的 GPT-6 Astra 为 43.17%。

Google DeepMind 发布 Gemini 4 Carbon，距 Argon 仅两周

Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶，前代 Argon 为 50 分。

同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon 前沿模型》

如何设计一套可持续演进的 AI 服务框架

EXL 在《Engineering the Harness》系列中探讨企业 AI 的服务框架设计，涵盖服务架构、内存管理、调度与推理优化如何协同。文章指出生产环境的瓶颈常来自 KV cache 随并发与上下文增长导致的 GPU 显存压力，应先测量再优化。框架应围绕工作负载与 SLO 构建，使换模型成为评估与配置决策而非架构重建。

微软研究院等证明 31 年未解的 KLS 猜想

微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，证明高维对数凹分布下，最佳平面切割与任意形状最佳切割的差距不超过一个与维度无关的固定常数。

Google DeepMind 发布 Gemini 4 Argon 模型

Google DeepMind 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini API 向开发者与企业开放，Google AI Ultra 与 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 中使用。

从 CUDA 到 MLX：K-Search 如何把多年内核优化经验带到 Apple Silicon

Berkeley Sky Lab 与 IBM Research 的研究者把 K-Search 内核搜索框架扩展到 MLX，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核作为知识库被改写为 Apple Silicon 内核。

ABBEL：让 LLM 通过信念状态更新实现高效长程交互

伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的摘要内容隔离并监督为自然语言"信念状态"，替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也明显低于全上下文设置。

智能免费之后怎么办？面向智能体、由智能体构建的数据系统

UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速下降——GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。

自适应并行推理：高效推理扩展的下一个范式

伯克利 AI 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、开启多少并发线程以及如何协调。文章指出，现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。

Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器

Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中注入随机性以促进探索，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梯度爆炸/消失、非贪心局部极小值和高维视觉潜空间失效等问题，使基于梯度的规划更稳健。

Berkeley AI Research 提出 SPEX 与 ProxySPEX，可大规模识别 LLM 关键交互

Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征归因、数据归因和机制可解释性中大规模识别关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融达到 SPEX 的性能。