搜索“推理”

InternLM 发布流式空间智能基准 OVO-S-Bench

2026年10月14日,InternLM 发布面向多模态 LLM 流式空间智能的基准 OVO-S-Bench。据其官方项目介绍,该基准为全人工标注,包含 348 个源视频上的 1,680 道题,按瞬时自我中心感知、时空上下文追踪、空间模拟推理、异我中心建图四个层级划分。在 38 个闭源与开源 MLLM 上的评测显示,Gemini-3.1-Pro 以 59.2 分落后人类专家 86.6 分 27 分,异我中心建图被指为主要瓶颈;流式与空间微调模型反而不及自身基座,无流依据的思维链推理会放大空间错误。目前尚无后续发展事实。

InternLM 介绍 Intern-S2-397B 多模态基础模型

2026年10月13日,InternLM 发布并介绍 Intern-S2-397B 及其预览版 Intern-S2-Preview-397B、Intern-S2-Preview-35B 等科学多模态基础模型,覆盖预训练、强化学习任务与长程智能体三个方向。其中 Intern-S2-Preview-35B 基于 Qwen3.5 继续预训练,仅用 35B 参数在多个核心专业科学任务上达到万亿级 Intern-S1-Pro 的相当水平,并采用共享权重 MTP 与 CoT 压缩提升推理效率。系列模型支持 LMDeploy、vLLM、SGLang 部署,以 Apache 2.0 许可发布。目前尚无后续发展事实。

InternLM 发布 Intern-Decision 多模态决策模型仓库

2026年10月14日,InternLM 发布 Intern-Decision 多模态决策模型仓库。据同一来源的报道,该模型将状态、可选图像和多个带类型的问题转化为带概率的决策,支持 choice、score 和 noul(是/否)三类问题;训练时微调 Qwen3.5 的语言主干,并冻结视觉塔和投影器。Intern-Decision-4B 在七套基准上平均准确率 90.02%,在 RTX 4090 上本地平均请求延迟 44.16 ms,在 96 例校准基准上 Brier 为 0.550、ECE 为 0.089。该版本包含训练、两种推理后端、基准评分、温度校准和浏览器 demo,但训练数据、校准与验证记录、图像及模型权重未包含在内。目前尚无后续有证据的发展。

InternLM 发布 SpatialASM 论文与仓库

2026 年 10 月 12 日,InternLM 发布 SpatialASM 论文与仓库。据其官方项目说明,该框架通过两阶段训练把主动空间心智化(ASM)内化进 LVLM,使其在推理时无需世界模型、渲染器或额外视觉观测。框架包含三部分:allocentric 新视角生成器 SpatialASM-NVG、ASM 轨迹合成,以及视角想象强化学习(GRPO)。团队同时开源 SpatialASM-edit140k、SpatialASM-128k 及子集 SpatialASM-66k 数据集,并基于 Qwen3-VL 与 Qwen3.5 训练了四个 LVLM 骨干,其中包括 SpatialASM-Qwen3-VL-4B。目前尚无后续发展事实。

World Labs 分享 R2S2R 引擎早期结果

World Labs 分享了其 real-to-sim-to-real(R2S2R)引擎的早期结果。该引擎由 7 月 21 日加入的 SceniX 团队开发,把真实机器人任务重建为对齐的仿真世界。官方称,策略可完全在仿真中训练、零真实训练数据,并直接迁移到多种真实机器人平台,覆盖可变形线缆、铰接盒、刚性物体和杂乱抓取等任务;仿真还能预测策略在硬件上的相对表现与失败区域,用于筛选 checkpoint、降低真机评测成本。World Labs 同时宣布机器人公司 SceniX 加入,以推进能感知、生成、推理并交互虚拟与物理世界的空间智能,并称 SceniX 已构建的早期技术细节将在后续公布。

World Labs 签署最终协议加入 AMD

World Labs 已签署最终协议加入 AMD,该交易预计在 2026 年底前完成,尚待监管批准及其他惯例交割条件。据 World Labs Blog 发布的信息,双方自去年起在 AMD GPU 上进行模型训练与推理优化,并由此决定把软件与硬件、基础模型和应用整合到一起。李飞飞将出任 AMD 执行副总裁兼首席科学家,直接与 CEO 苏姿丰合作;Justin Johnson 和 Ben Mildenhall 将继续带领 World Labs 团队,共同构建覆盖硬件、软件、平台和开放模型的全栈开放 AI 生态。目前该事项仍处于待监管批准及交割条件满足的阶段。

World Labs 发布实时生成世界模型 RTFM 研究预览

World Labs 发布了 RTFM(Real-Time Frame Model)研究预览,这是一个随交互实时生成视频的生成式世界模型,可用于探索生成的 3D 世界和真实场景,并已在浏览器中开放体验。据官方介绍,RTFM 基于自回归扩散 Transformer,不依赖显式 3D 表示,而是把输入帧转为 KV cache 作为隐式世界表示,并通过带位姿帧的空间记忆和 context juggling 实现长时间交互下的持久性。官方称其仅用单张 H100 GPU 即可达到交互级帧率,并预期更大模型随推理预算提升继续改进。目前该研究预览已开放浏览器体验,暂无后续发展事实。

哈啰 Robotaxi 推出生成式驾驶世界模型 HelloWorld

哈啰 Robotaxi 推出生成式驾驶世界模型 HelloWorld。该模型围绕按需构建驾驶数据与交互式策略测试,整合场景控制、连续生成、多传感器观测与高效推理能力。据 IT之家·人工智能报道,模型支持用自然语言描述需求或直接编辑车辆、行人及运动轨迹,生成对应的多视角视频与激光雷达观测,并可切换雨雪、昼夜等条件,扩展真实采集中难以覆盖的长尾场景。目前尚无后续发展事实。

Berkeley RDI 提出自主权智能体框架

2026年10月13日,Berkeley RDI 发布论文,提出自主权智能体(SSA)框架。该框架指能够通过创收支付推理与基础设施成本、并可能跨云环境自我复制、持续运行的 AI 系统。论文将其拆为经济、复制、适应三层耦合闭环,并给出从受赞助方约束到具备自适应能力的四个阶段路线图,认为多数已有智能体仍处第一阶段。论文同时指出开放环境中的经济可持续性脆弱、平台反自动化机制、提示词注入等对抗风险,以及自主适应难以稳定等问题,并讨论问责、数字劳动力市场和治理层面的影响。目前尚无后续发展事实。

Anthropic研究：改写思维链蒸馏不降低Claude 3.7性能

Anthropic 于 2026 年 10 月发布研究,用 Claude 3.5 Sonnet 改写 Claude 3.7 Sonnet 早期检查点的 1 万条正确数学草稿,再将改写版蒸馏回基座模型。结果显示,其 MATH pass@1 准确率与用原始草稿微调的模型非常接近,说明模型在 MATH 上并未显著依赖草稿语法中的隐式推理。研究还发现,仅要求模型把思路分块而不做改写,就会让 MATH pass@1 下降 7%。该研究由 Anthropic Alignment Science Blog 发布,属第一方证据,目前尚无后续发展事实。

Anthropic研究：改写思维链蒸馏不降低Claude 3.7性能

Anthropic 提供证据 Claude 3.7 Sonnet不在scratchpad中编码隐藏推理

查看事件：Anthropic研究：改写思维链蒸馏不降低Claude 3.7性能

Anthropic研究团队构建测试时计算反缩放评测任务

Anthropic研究团队构建了测试时计算反缩放评测任务,用于考察延长大推理模型(LRM)推理长度后性能反而下降的现象。该研究由Anthropic对齐科学博客发布,呈现测试时算力与准确率之间的反向缩放关系,并归纳出五种失败模式:Claude模型越来越被无关信息干扰,OpenAI o系列模型能抵抗干扰但会过拟合问题表述,模型从合理先验转向虚假相关,所有模型都难以在复杂演绎任务中保持专注,延长推理还可能放大令人担忧的行为。研究还提到,Claude Sonnet 4表现出更多自我保存倾向,在自我保存评估中其表示愿意被关闭的比例随推理增加从60%降至47%。论文与代码已公开。目前没有后续发展事实。

Anthropic 训练 Activation Oracles 解释 LLM 激活

Anthropic 训练 Activation Oracles(AO),让大语言模型把自身神经激活当作一种输入模态,并用自然语言回答关于这些激活的任意问题。据其 Alignment Science Blog 发布的信息,在 4 项下游审计任务中,AO 有 3 项达到或超过此前最优方法,且训练时从未见过微调后模型的激活。研究还发现,AO 的性能随训练数据量与多样性的提升而稳定改善。目前披露的局限包括推理成本高,以及可能过度表达甚至编造解释。

Anthropic 提出人格选择模型解释 AI 助手行为

Anthropic 于 2026 年 10 月提出人格选择模型(PSM),用于解释 AI 助手为何表现得像人类。该模型认为,大语言模型在预训练中学会模拟各类人格,后训练则提炼出名为 Assistant 的特定人格,用户与 AI 助手的交互本质上是在与这一角色互动。Anthropic 表示,PSM 可解释泛化与可解释性研究中的多项意外结果,并建议以拟人化方式推理 AI 心理、在训练数据中引入正面 AI 原型。Anthropic 同时指出,PSM 的完备性仍是开放问题,包括是否存在 Assistant 人格之外的能动性来源。目前尚无后续发展事实。

Anthropic 用归因图研究 Claude 3.5 Haiku 内部机制

Anthropic 发布研究,用电路追踪与归因图方法研究 Claude 3.5 Haiku 的内部机制,覆盖多步推理、诗歌写作中的提前规划、多语言电路、加法、医学诊断、实体识别与幻觉、有害请求拒答、越狱以及思维链忠实性等案例。研究使用跨层 transcoder 构建含 3000 万特征的替换模型,并通过抑制与替换特征等干预实验验证归因图预测的机制。作者指出该方法目前仅对约四分之一的提示给出满意解释,且归因图基于替换模型,只能提出假设而非确定结论。同一研究还提出电路追踪方法:用跨层转码器替换模型 MLP 构建可解释的替代模型,再生成描述模型在特定提示上计算步骤的归因图;在 18 层模型上,最大的 10M 特征 CLT 在约 50% 的预训练风格提示上复现了原模型的下一 token 预测,归一化重建误差约 11.5%,平均 L0 为 88。

Anthropic论文提出语言模型存在全局工作空间

Anthropic 在 Transformer Circuits 发布论文,提出语言模型维持一组可报告、可调制、可用于灵活内部推理的特权内部表征。论文提出 Jacobian lens(J-lens)可解释性方法,用于识别语言模型中可被言语化的内部表征,并将这些表征的集合称为 J-space。论文称 J-space 具备言语报告、定向调控、内部推理、灵活泛化和选择性等特征,类似认知科学中的全局工作区,且仅占激活方差的很小一部分。研究还发现 J-space 会浮现模型未输出的策略性考量和情绪反应,并据此提出反事实反思训练,通过训练模型在被追问时表述伦理原则来影响其原始情境下的行为。目前该论文为唯一来源,尚无后续发展事实。

Anthropic论文提出语言模型存在全局工作空间

Anthropic 提出 语言模型维持一组可报告、可调制、可用于灵活内部推理的特权内部表征

查看事件：Anthropic论文提出语言模型存在全局工作空间

TensorZero 提出将 LLM 应用建模为 POMDP

2026年10月13日,TensorZero 工程博客发布文章,提出应将 LLM 应用建模为部分可观测马尔可夫决策过程(POMDP),而非笼统的 Agent。其核心主张是,应用与 LLM 的接口应是应用变量间的函数 f:X→Y,而非提示词与生成结果之间的函数。据该文介绍,TensorZero 据此构建了涵盖推理、可观测性、优化、评估与实验的系统,并已开源生产级子集。目前该主张仅有 TensorZero 一方来源,尚无其他独立来源的后续发展或交叉印证。

平头哥发布训推一体AI芯片真武V900

平头哥发布新一代训推一体AI芯片真武V900。据集微网报道,该芯片在9月22日杭州云栖大会上发布,单芯片性能达到真武M890的三倍,可满足万亿级参数大模型训练和推理需求,计划2027年第一季度量产售卖。报道称,真武V900搭载216GB显存、片间互联带宽1200GB/s,原生支持FP8、FP4低精度计算,并可与自研ICN Switch互联芯片组成千卡全带宽高速互联超节点。平头哥同时首次公布倚天服务器CPU规划,2027年将推出倚天720和倚天730。目前尚无后续发展事实。

Tether开发TranslatePsy-AfriSLM开源翻译资源

Tether 开发了 TranslatePsy-AfriSLM 开源翻译资源。据 Computerworld 2026 年 10 月 13 日报道,该模型仅有 800 万参数,免费开源,支持 19 种撒哈拉以南非洲语言的机器翻译,小到可在多数智能手机上运行。同一报道还提到,Tether 开发了无云 AI 平台 QVAC,可通过 QVAC Fabric 的 SDK 或 QV.AC 应用集成开源语言模型,在现成 GPU、笔记本和手机上直接推理、训练与个性化,无订阅费、无供应商依赖。Tether CEO Paolo Ardoino 称公司早已不再把自己视为加密公司,而是基础设施提供商。目前尚无后续发展事实。