Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-精炼推理流程，让模型在 IOI 2026 拿到 535.4/600、在 IMO 2026 拿到 30/42，均超过官方金牌线。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可复用到其他高难领域。
#推理
Hugging Face Blog精选AI 评分6060 OpenAI News精选AI 评分6262 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 公开 Lean 证明形式化与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果与 Lean 形式化证明，可了解其研究路径。
Simon WillisonAI 评分2222 Qwen3.8 27B 用英文单词做加法的基准测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 能否仅用英文单词表达整数加法结果，禁用推理时 5,070 个用例的数值准确率为 23.57%，格式合规率 96.17%，但准确率从一至三位数的 97.04% 降至十至十三位数的 6.44%。启用推理后，169 个配对用例中答对 167 个。
Google ResearchAI 评分3232 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习将奖励对齐的查询扇出编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出，无需测试时 CoT 推理 token。
Microsoft ResearchAI 评分3838 MindTopo：微软推出评估多模态模型拓扑推理能力的新基准
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭性、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前专有与开源模型在静态识别上明显强于交互式规划，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。图像与视频生成仅在单帧关系可见时偶有帮助，跨多步操作时仍不可靠。
Berkeley AI ResearchAI 评分3939 从 CUDA 到 MLX：K-Search 如何将数十年内核经验带到 Apple Silicon
Berkeley Sky Lab 团队扩展了进化式内核搜索框架 K-Search，新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，可将现有 CUDA 内核作为知识库自动适配为 Apple Silicon 上的高质量 GPU 内核。
Berkeley AI ResearchAI 评分3636 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习动力学（世界模型）的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度，使长时程规划更实用、更稳健。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 交互关系
Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，用于在大规模 LLM 中识别关键交互关系。方法以消融为核心，通过移除输入提示词的特定片段并测量预测变化来实现特征归因。随着特征、训练数据和模型组件数量增长，潜在交互数量呈指数级上升，穷举分析在计算上不可行。