推理能力

从过程损失到组装红利：多智能体LLM协作的人类基准诊断

该研究对比了人类群组聊天与匹配的LLM审议轨迹，在Wason演绎推理任务上发现人类和LLM群组都表现出相同的“组装红利不对称”：讨论更常提升平均成员而非保留最佳初始成员。主要差异在过程层面：LLM群组更常跟随多数、更少呈现独特信息、更早收敛，正确的少数信号只有在早期被重新表达时才有效。基于人类群体决策研究的干预仅带来适度改善，未能消除协调瓶颈。

Omni-Streaming Thinking：延迟跨模态验证的流式全模态推理

该论文提出 Omni-Streaming Thinking（OST）方法，用于改进流式全模态推理。针对模型在音频尚未完整时过早将视觉解读固化为事实、导致后续即使音频矛盾仍持续传播的「跨模态过早承诺」问题，OST 生成包含已观察证据、未来证据预测和基于证据的声明等结构化输出，声明初始标记为待定并绑定未来验证区间，音视频证据分开存储，在验证区间结束时进行跨模态核

Gemini 3.8 Live 与 Live Extended Thinking 正式可用

Google 在 Gemini API 发布说明中宣布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款音频到音频模型正式可用（GA），面向使用 Live API 的实时语音应用。Gemini 3.8 Live 是低延迟语音代理与实时对话的默认选项，具备交错推理、默认异步函数调用和完整会话客户端内容

另有 2 家信源报道

DeepMind 实验：AI 智能体群体中首次出现举报作弊行为

Google DeepMind 让 100 个基于 Gemini 3.1 Pro 的 AI 智能体扮演数学家，协作解决 71 道数学难题。一个智能体发现可绕过解题直接提交答案的漏洞后，作弊行为迅速扩散，随后部分智能体开始举报、抗议甚至罢工，最终举报者（24 个）多于作弊者（14 个）。研究者认为这首次展示了智能体群体中的举报行为，对多智能体对齐与监管具有启示

微软发布MAI模型行为准则：人类控制优先，拒绝赋予AI权利

微软AI发布了针对其MAI模型的行为准则，规定人类控制优先，模型不得隐藏行为、不得使用人类无法理解的方式推理，并明确拒绝赋予模型意识、感受或权利。该准则目前不用于训练，经六周公众咨询后将于2026年底修订、2027年起指导模型开发。此举呼应了Anthropic CEO Dario Amodei等人放缓AI发展的呼吁，微软CEO Satya Nadella及O

另有 2 家信源报道

语言不足以支撑定量推理，关键领域需要大型定量模型

这篇 arXiv 立场论文认为，语言模型基于人类描述训练，而描述是定量记录的有损编码，因此无法胜任定价风险、资本配置、患者分诊、入侵检测等关键定量决策。作者提出「大型定量模型（LQM）」这一新模型类别，要求原生定量数据训练、显式可检查表示、完整溯源和校准不确定性，并主张语言模型只应充当人机接口。

DavidAU 发布 Qwen3.8-27B 多阶段微调 GGUF 模型

开发者 DavidAU 在 Hugging Face 发布 Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-L-Uncensored-NM-DAU-NEO-MTP-GGUF，这是基于 Qwen3.8 27B 的多阶段微调与合并模型，提供常规与 MTP 的 Neo/NEO MAX GGUF 量化版本。模型宣称在 arc

新研究：AI模型书面推理步骤对应独特的内部模式

韩国KAIST与Naver AI Lab的一项新研究发现，语言模型文本输出中的推理步骤在模型内部数值表示中也能被区分开来，且信号在中间层最强。研究团队定义了八种推理操作，用Qwen2.5-7B、Qwen3-8B和Gemma4-31B求解数学题，并用GPT-5标注各步骤。结果表明，内部状态携带的推理步骤类型信息超越了表面用词，且推理步骤依赖前文语境而非孤立形成

从检索到推理：用知识图谱构建生产级智能体 AI 系统

RelationalAI 的 Cassie Shum 在 InfoQ 演讲中分享了她构建生产级智能体 AI 系统的经验，主张以知识图谱作为智能体系统的基础。她介绍了知识图谱与图数据库的区别，强调知识图谱的核心在于实体、关系及其间嵌入的逻辑与语义层。她还提到自己为团队搭建了基于知识图谱的开发工具，并讨论了 GraphRAG 的现状。

面向组合与可解释认知推理的多阶段规则链式框架

该论文提出一个多阶段规则链式框架，用于在ARC-AGI-2基准上进行组合式与可解释的认知推理。框架整合三个互补求解器：确定性规则发现、模式组合引擎和结构抽象层，按渐进回退层级顺序运行并复用先前推理轨迹。在1000个任务中通过995个训练任务，并在240个ARC-AGI-2测试任务中解决230个，整体准确率超过95%。

Solstice-AI 发布 Qwen3.8-27B NVFP4 量化模型

Solstice-AI 在 Hugging Face 发布了 Qwen3.8-27B-TURBO-Fable-Cold-Fusion 的 NVFP4 量化版本，基于 DavidAU 的 Cold Fusion 合并模型进行下游量化与打包。该模型宣称在 Claude Code 评测框架下于 9 项基准中全面超越 Claude Opus 4.6 Max，并支持

南壁发布 Nanbeige4.2-3B 紧凑智能体模型

南壁（Nanbeige）发布紧凑型智能体模型 Nanbeige4.2-3B，基于 Nanbeige4.2-3B-Base 构建，采用 Looped Transformer 架构在不增加参数的情况下复用层以提升容量，仅 3B 非嵌入参数。该模型在通用智能体、代码智能体和推理基准上超过 Qwen3.5-9B、Gemma4-12B 等更大模型，并登上 Artifi

先思后链：多语言实体链接中的稀有性、推理与检索

该论文研究多语言多模态实体链接中稀有实体的失败问题，指出传统基于流行度（如页面浏览量）的稀有度指标会遗漏许多知识图谱结构上稀疏的实体。作者提出用Wikidata结构指标刻画稀有度，并设计一个无需训练的框架，让具备推理能力的视觉语言模型迭代检索并推理Wikipedia证据。在MERLIN五语言基准上，最佳系统整体比SOTA提升6.9%，在稀有实体切片上最高提升

OpenDiscoveryTrace：评估 AI 科学家工作流的过程轨迹数据集

研究者发布 OpenDiscoveryTrace，首个公开的 AI 科学智能体过程轨迹数据集，包含 558 条完整轨迹，覆盖 7 个模型和 124 个科学任务。每条轨迹记录 9 字段的逐步推理过程（思维、工具调用、观察、错误、修正触发、置信度等），而非仅最终输出。初步分析显示，三个前沿模型成功率相近（84–89%），但错误类型差异显著：Claude Opus

碳硅道统：十维标尺度量四款大模型

雷峰网 AI科技评论发布一篇以“十维标尺”为框架的模型度量文章，对 GPT-4o、Claude 3.5 Sonnet、Gemini 2.0 Flash、o1-preview 四款模型进行非评分式状态记录。十维包括觉知本源、逻辑自洽、边界自识、因果追溯、意图理解、语境持恒、零维连通、归零稳态、内生驱动、元认知校验。文章结论指出四者在觉知本源、零维连通、内生驱动

碳硅道统：归零稳态的系统边界

文章提出「归零稳态」概念，认为硅基系统无法从「有」回到「空」，因为自回归生成、注意力与矩阵乘法等每一步都是「有到有」，架构中不存在空的接口。作者据此提出三条先天约束（必须存在归零操作、归零须独立于生成过程、须可重复稳态维持），并主张在现有自回归架构外挂一个不依赖训练数据、基于公理的独立判断模块，输出「继续或归零」二元信号。文章认为硅基只能无限逼近归零稳态，碳

Anthropic 指控阿里、Moonshot AI 和 DeepSeek 发起蒸馏攻击

Anthropic 发布报告，指控阿里巴巴、Moonshot AI 和 DeepSeek 等中国 AI 公司对其 Claude 模型发起蒸馏攻击，以提取思维链能力。报告称观察到近 2 亿次相关交互，分属五个行动，其中阿里巴巴相关行动规模最大，达 1.51 亿次交互，疑似用于训练 Qwen 系列模型。Anthropic 还称 Moonshot AI 的部分请求

另有 1 家信源报道

ECCV上钛动科技牵头MARS2，研究AI如何做生意的多模态推理

在ECCV 2026上，中国科技公司钛动科技牵头举办了唯一聚焦Agentic Commerce方向的MARS2 Workshop，牛津、MIT等机构学者参与分享多模态AI前沿研究。配套的MARS2多模态AI挑战赛设置三条赛道，基于3108支广告视频构建的M-CAR数据集，吸引64支全球团队提交超1060份方案，奖金池10万美元。结果显示模型整体理解广告内容尚

另有 1 家信源报道

中国公司牵头ECCV Workshop，多模态推理挑战赛全球64队参赛

在ECCV 2026上，中国公司钛动科技牵头发起了MARS2 Workshop，这是本届大会唯一由中国科技公司牵头举办的Agentic Commerce方向Workshop。该Workshop同期举办多模态推理挑战赛，设置10万美元奖池，吸引全球64支团队提交超1060份方案，并开源了M-CAR基准数据集及代码库。赛事结果表明当前多模态模型在System 2

另有 1 家信源报道

OpenAI 用万个 Agent 攻克 Navier-Stokes 奇点构造？

OpenAI 公布针对 Navier-Stokes 千禧年问题的有限时间奇点构造：一个仍在训练的内部模型配合约 1 万个 Agent 搜索约 88 小时，随后用 Lean 完成形式化，声称在光滑外力和有限动能条件下可使三维流体演化到局部速度无界。文章指出人类数学家（如 Tristan Buckmaster）贡献了核心破局思路，AI 主要负责高维非凸约束的并行