Best-of-N Guidance（BoNG）提出测试时扩散模型对齐方法
基于论文摘要，BoNG 将 Best-of-N 选择嵌入扩散模型的反向去噪过程，引导样本生成至高奖励区域。方法通过当前 Best-of-N 粒子引导其余粒子，在36项实证比较中有29项表现最佳，对 SMC 和 Vanilla BoN 的比较中有80.56%排名第一；多输出实验达到基于样本的引导方法1.3倍的 ImageReward 分数，速度提升1.6倍。
动态展示门槛：AI 前沿与应用 ≥ 65 分，量子方向 ≥ 60 分；已确认精选照常展示。
#推理
arXiv · cs.AI arXiv · cs.AI 后训练如何影响大模型在压力下是否违背自身道德判断
基于论文摘要，研究用248个预注册场景检验大模型在压力下是否采取其自身认为错误的行动，并以移除压力的对应场景和操作者指令作对照。四个指令模型的结果显示，差距取决于后训练配方；使用同一Llama-3.1权重时，Meta配方出现该差距，Tulu 3未出现。改变聊天模板可逆转差距，行动前分析利害关系和指明规范则有助于使选择回归模型自身判断。
arXiv · cs.AI GeoPID：分解并引导视觉语言模型中的视觉信息
GeoPID是一种无需训练的几何框架，用于分析视觉语言模型中的多模态信息。基于论文摘要，研究覆盖22个视觉语言模型和14个基准，将信息分解为冗余、模态独有和协同成分，并在推理时选择性放大视觉独有子空间中的视觉表示。摘要报告，在不更新模型参数的情况下，视觉 grounding 能力得到提升，平均相对准确率增益为7.63%。
arXiv · cs.AI SAG：用于长时程决策的成本感知大语言模型智能体选择性批评
SAG将批评调用建模为逐步决策问题，通过全局熵和局部top-2 margin估计批评效用，仅在预期收益足以覆盖成本时调用批评。论文摘要称，该方法在三个长时程交互基准和多组骨干模型上改善了性能成本权衡；在ALFWorld上，任务成功率由24.6%提升至78.4%，规范化token效率提升3.1倍，7B执行器配合3B批评器的表现接近14B无批评执行器。以上结果仅依据论文摘要，材料未提供完整正文。
arXiv · cs.AI 自我反思蒸馏将事后经验转化为事前预判
研究提出自我反思蒸馏（SRD），利用交互完成后的轨迹经验监督同一策略在行动前作出预判，以补充可验证奖励强化学习（RLVR）。基于论文摘要，SRD在10个工具集成推理和长时程智能体任务上相对RLVR与自蒸馏基线最高提升24.2个百分点。在2B设置中98%的轨迹组均为失败时，RLVR成功率为0.0%，加入SRD后在相同采样预算下达到60.6%。
arXiv · cs.AI DAEDALUS：通过自生成任务引导智能体记忆构建
DAEDALUS 通过让一个智能体生成任务、另一个智能体尝试并从失败中提炼经验，在无需既有任务或人工验证器的情况下构建可复用记忆。基于论文摘要，该方法在 AppWorld、τ²-bench 和 AutomationBench 上，相比无记忆基线将平均成功率最高提高15.9个百分点，pass⁵最高提高2.2倍；代码和实验材料见 github.com/illuin-tech/daedalus。
Quanta Magazine精选 研究者竞速抢先发表“唯一游戏”相关证明，OpenAI公布AI生成证明
Dor Minzer与Yumou Fei、Shuo Wang在OpenAI公布AI生成证明前，抢先发布了对Khot“2-to-1游戏”猜想弱化版的“4-to-1游戏”证明。三人用95页论文证明了经典图着色问题的一项困难性结果；OpenAI随后公布包含Lean形式化验证的“2-to-1游戏”猜想证明及376项其他数学结果，但报道指出其手稿由AI生成，未经人工编辑或独立专家评审。
本站判断：文章对比人类研究者与OpenAI在“唯一游戏”相关猜想上的证明路径，呈现AI生成数学证明带来的研究竞争、验证与长期项目风险。
Hugging Face Blog精选 Nemotron 3 通过微调与推理系统在 IOI 2026 和 IMO 2026 达到金牌线
Nemotron 3 结合监督微调、强化学习和反馈式推理，在 IOI 2026 达到 535.4/600，在 IMO 2026 达到 30/42，均超过对应金牌线。IOI 结果来自非官方、无监督基准运行，IMO 提交证明则由官方阅卷员评分；相关模型、数据集、论文和推理流程已在 Hugging Face 与 NeMo-Skills 中提供。
本站判断：公开了两类奥赛专化模型、训练数据、评测与推理流程，便于比较微调、强化学习和测试时计算的组合效果。
OpenAI · Blog & News精选 OpenAI 分享前沿模型解决数学开放问题的结果与 Lean 证明
OpenAI 公布内部前沿模型在数学开放问题上的新结果，并在 GitHub 分享 Lean 证明形式化与研究细节。当前材料仅为摘要，未说明具体问题、模型名称、结果范围或代码许可。
本站判断：原文公开了数学开放问题的模型结果、Lean证明形式化与研究细节，为评估相关推理方法及其形式化证据提供入口。