MIT 实验：GPT-6 Astra 直接修改 Qwen3.5 权重，MATH-500 得分提升约 6 倍
MIT 的实验让 GPT-6 Astra 直接读取并编辑 Qwen3.5-0.8B 的权重，仅改动 0.016% 的参数，MATH-500 得分就从 7.9% 升到 48.1%，指令执行能力也提高 3 倍，全程没有训练和梯度下降。
推荐理由：MIT 实验显示前沿模型可直接读写小模型权重，为小模型能力修复提供了一条不依赖梯度训练的路径。
技术方向
推理能力 最新动态
让大模型先想再答的能力：思维链、推理模型，数学与逻辑评测上的突破和争议。
8 条精选近 30 天 3 条共收录 20 条
更新
推理能力的精选
量子位精选AI 评分8080
Microsoft Research精选AI 评分7171 微软研究院等证明 31 年悬而未决的 KLS 猜想
微软研究院机器学习与优化组研究员 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明在 2026 年 10 月 4 日的论文版本中完成。
推荐理由：微软研究员与合著者用人类引导的智能体搜索证明 KLS 猜想，读者可看到 AI 参与数学发现的具体分工方式。
Microsoft Research精选AI 评分6262 微软研究院推出基于证明的通用计算系统 Magnetar
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在通用性、速度与密码学假设上同时推进。
Qwen Blog精选AI 评分7272 Qwen3.8-LiveTranslate 发布：Interleave 架构重构实时同传
Qwen 发布实时同传模型 Qwen3.8-LiveTranslate，以 Interleave 架构把音频与文本交织为单流，字均延迟（LAAL）从上一代 2.8 秒降至 2.3 秒。
推荐理由：官方给出 Interleave 架构与延迟数据，并说明说话人分离、双语同屏等新增能力如何进入真实同传场景。
Qwen Blog精选AI 评分8484 Qwen3.8-Omni-Flash 上线：原生全模态模型强化音视频 Agent 能力
Qwen3.8-Omni-Flash 正式上线千问 AI 平台，支持文本、图像、音频和视频输入及 1M 长上下文，核心目标是提升真实生产力场景中的 Agent 能力。
推荐理由：官方给出与上一代及 Gemini 3.8 Flash 的评测对比和 API 降价幅度，可据此判断全模态模型的成本与能力边界。
Qwen Blog精选AI 评分8282 Qwen3.8-Flash-Next 开源权重发布：125B 多模态 MoE，每 token 激活 6B
Qwen 发布开源权重的多模态 MoE 模型 Qwen3.8-Flash-Next，主模型 125B 参数、另配 51B N-gram Embedding，每 token 激活 6B 参数，并作为 Qwen4 所用模型结构的先导预览。
推荐理由：原文给出了新架构的四个改动方向与训练成本对比，可据此判断 Qwen4 结构走向与性价比取舍。
Qwen Blog精选AI 评分8888 Qwen 发布 Qwen3.8-Max，编程与办公能力全面升级
Qwen 团队正式发布 Qwen3.8-Max，基于 Qwen 3.5 架构扩展至 2.4 万亿总参数（激活参数 95B），已在千问 AI 平台上线并可通过 API 调用，开源权重将于下周发布。
推荐理由：官方给出 2.4T 总参数与激活 95B 的规格，并附上长程自动编程与论文复现的完整过程记录，可据此判断这一代 Max 在端到端任务上的位置。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX，通过结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核作为知识库适配到 Apple Silicon。
推荐理由：原文给出了 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。