Latent Space 对话 MIT 的 Alex Zhang：从 KernelBench 到递归语言模型 RLM
MIT 研究者 Alex Zhang 在 Latent Space 播客中讲述其在 GPU kernel、KernelBench 与递归语言模型（RLM）上的工作。
#推理
#推理
今日 3 条Latent SpaceAI 评分3838 AWS Machine Learning BlogAI 评分3232 Amazon Payments 如何用 SageMaker AI 上的上下文多臂老虎机优化获客漏斗转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）做产品获客漏斗个性化，七周线上 A/B 测试中某一客群的漏斗末端转化率取得高个位数相对提升，另一客群则无改善，问题出在内容而非模型。方案对申请、提交、审批三个阶段各跑一个 LinUCB 模型并线性组合其 UCB 分数，以行为信号向量替代固定分群，示例代码已开源。
Ars Technica · AIAI 评分6666 AI 以 16 块 GPU 训练击败最强 Stratego 人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发出 AI 系统 Ataraxos，以 15 胜 1 负 4 平击败被视为史上最强的 Stratego 选手 Pim Niemeijer，训练仅用 16 块 GPU、花费数千美元。
The Decoder精选AI 评分7676 OpenAI 称已阻止窃取模型推理链的行动，但该手法在 Azure 上仍然有效
OpenAI 称其阻止了一场针对模型推理链的蒸馏提取行动，该行动于 7 月 1 日低量启动，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及 15000 多个关联账户，7 月 28 日前已被完全关闭。
推荐理由：事件披露了推理蒸馏攻击的完整时间线和攻击手法，读者可了解前沿模型推理链被提取的现实风险。
Latent Space精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon，输出上限提至 1M token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，首发仅向 Fairwind 计划的政府用户与受信任网络防御者开放，Google 称将完善护栏后再向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准成绩、定价与第三方评测分歧，可对照同期 Astra 判断前沿模型竞争格局。
The Decoder精选AI 评分8383 Google 发布 Gemini 4 Argon：对标 OpenAI 与 Anthropic，未取得明显领先
Google 发布 Gemini 4 Argon，这是其七个多月来首个前沿模型，先开放给 Fairwind 计划下的可信网络防御方及内部团队，之后才向 API 付费客户和 Google AI Ultra 订阅者开放，时间未定。
推荐理由：呈现 Gemini 4 Argon 与 GPT-6、Claude 系列在独立基准、token 消耗和价格上的横向对比，可用于判断其性价比位置。
Hugging Face BlogAI 评分3838 Liquid AI 发布 LFM2.5-VL-DSpark 视觉语言模型投机解码草稿模型
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过投机解码实现设备端最高 3.13 倍、H100 上最高 2.66 倍解码加速，端到端最高提升 2.62 倍和 2.27 倍。
Google ResearchAI 评分3535 Google Research 提出 Retrieve-for-Train：用离线 RL 加速复杂 AI 搜索查询扩展
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扩展并蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次前向的查询 fan-out。该方法在 Gemma3-4B 和 Qwen3-4B 上微调，绕过测试时 CoT 推理 token 的开销，同时满足多样性、覆盖度等集合级属性，相关论文已被 ICML 2026 收录。
Import AIAI 评分2020 Import AI 470：机器不应享有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
METR 分析发现 AI 对科学进步的加速并不均匀：2026 年各项目与 NVD、OSV 等漏洞库的报告速率较 2025 年大幅加快，数学领域 arXiv 投稿在部分方向不到 12 个月翻倍但价值难以量化，AI 研究自身的算法进展则未见可测量加速。
Microsoft ResearchAI 评分3232 MindTopo 基准揭示 VLM 的空间推理能力短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大语言模型的拓扑推理能力，涵盖连续性、分离、顺序、包围与打结五类任务，并区分静态推理与交互规划两个层级。测试显示，当前闭源与开源模型在静态识别上表现明显优于交互规划，且均远低于人类水平；失败多出现在规划阶段而非感知阶段，模型在场景变化后难以维持结构关系。图像与视频生成仅在单帧保留结构约束时才有帮助。
Berkeley AI ResearchAI 评分4949 从 CUDA 到 MLX：K-Search 如何将数十年 Kernel 经验带给 Apple Silicon
Berkeley Sky Lab 团队扩展了演化式 kernel 搜索框架 K-Search，新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，可将已有 CUDA kernel 作为知识库自动适配为 Apple Silicon 上的高性能 kernel。
Berkeley AI ResearchAI 评分4040 Berkeley AI Research 推出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言“信念状态”，并通过信念评分（belief grading）监督其内容，从而替代完整交互历史作为智能体的工作上下文。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出主流方法多由外部固定并行结构，而非让模型自行决定何时分解任务、开启多少线程及如何协调。文章涵盖 Self-consistency、Best-of-N、Tree/Graph of Thoughts、MCTS 及 ParaThinker、GroupThink、Hogwild! Inference，并分析 ThreadWeaver 等自适应并行推理方向。
Berkeley AI ResearchAI 评分3636 GRASP：面向世界模型的梯度规划器，实现更长视野规划
GRASP 是一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现时间并行优化、在状态迭代中注入随机性以探索、并重塑梯度让动作获得干净信号，避免经由高维视觉模型的脆弱"状态-输入"梯度。该方法由 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 等参与提出，针对长视野规划中优化病态、非贪心局部极小值与高维潜空间失效模式问题。
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 提出 SPEX 与 ProxySPEX 算法，利用稀疏性和低阶性将 LLM 交互识别转化为稀疏恢复问题，可在特征、数据和模型组件归因中高效发现关键交互。