数学推理已成为衡量大语言模型（LLM）智能水平的核心指标。从算术计算到奥林匹克级问题，再到多步规划与工具调用，模型正从「给出答案」迈向「理解问题并完成推理」。相比传统问答数据集，高质量数据不仅要有准确答案，还需提供规范化的推理轨迹、多路径求解与可验证结果，帮助模型拆解问题、构建逻辑闭环，提升复杂任务下的稳定性。

AI X 射线科学家」的意义，并不在于取代实验人员，而是让 AI 从数据分析工具进一步走进实验现场，参与设备操作、状态判断和策略调整。尽管目前仍受限于样品数量、真实机时和人工安全中转，这项研究已证明，大模型能够在复杂、非理想的真实环境中通过持续观测与推理完成实验闭环。未来，随着模型、机器人和科学仪器进一步融合，AI 有望成为大型科研装置中重要的协作伙伴，帮助研究人员减少重复操作，将更多精力投入科学问题本身。

分享了 12 篇文章，12 个开源项目

摘要：本文提出RoboTTT方法，通过将测试时训练（TTT）机制整合到机器人基础模型中，实现了8K时间步的长视觉-运动上下文建模。该方法采用快速权重机制，在训练和推理时动态更新模型参数，将历史信息压缩至权重空间，解决了长上下文建模的三大挑战。实验表明，RoboTTT-8K相比单步基线在复杂任务中性能提升87%，首次证明扩展上下文长度能稳定提升闭环性能（比1K上下文模型提升63%）。创新性地结...

随着大语言模型（LLM）的快速发展，模型规模不断增大，对推理部署的要求也越来越高。在实际项目中，如何高效地在GPU集群上部署和优化大模型推理，已经成为AI基础设施团队面临的核心挑战之一。本文基于多个实际项目的经验积累，系统性地介绍大模型推理部署的方法论、部署方案选型、性能调优以及常见问题的解决方案。

在 Kubernetes 上启动一个推理服务并不难，vLLM + Deployment 就能跑起来。但是服务多起来以后，模型从哪里加载、使用哪个 Runtime、GPU 怎么分配、服务怎么暴露，这些配置很快就会散落在一堆 YAML 里。KServe 就是用来解决模型服务管理问题的。 本文从零安装 KServe Standard 模式和 Envoy Gateway，通过本地 PVC 部署...

训练数据在大模型竞争中至关重要，NVIDIA推出的Nemotron系列数据集强调数据质量和任务适配性，涵盖通用文本预训练、监督微调和代码生成等核心能力，推动模型训练从数量向精准转变。这些数据集为大模型研究提供系统性支持，提升模型能力。

ABot-AgentOS是一种通用机器人智能体操作系统，旨在解决具身智能中的推理与执行、泛化和持久记忆等挑战。该系统结合多模态感知、记忆和推理，支持机器人在物理世界中的长期交互。通过边缘-云协同架构，ABot-AgentOS能够高效执行任务并优化技能，其多模态记忆系统确保机器人持续学习和利用经验，提升智能体整体能力。

Semih Yavuz等人的研究提出了一种新方法，将过程性信号转化为可复用的程序性记忆，从而提升语言模型的性能。该方法通过三级抽象和协同进化，确保模型在推理时无需外部记忆模块，减少延迟并提高效率。实验结果表明，PMD在LIVECODEBENCH基准上相较于传统方法有显著提升，并在不同难度问题上表现一致。

Inkling是Thinking Machines推出的通用AI模型，支持推理和编程等多种任务。用户可通过AI Gateway访问，设置为thinkingmachines/inkling。该平台提供统一API，能够跟踪使用情况和成本，并支持自定义报告和预算管理。

CLaRa（连续潜在推理）是一种通过嵌入式压缩和联合优化提升检索增强生成（RAG）模型性能的统一框架。它采用基于问答和释义监督的SCP框架，生成语义丰富的压缩向量，从而减少输入生成器的文档长度。CLaRa通过单一语言建模损失进行端到端训练，实验结果表明其在多个问答基准上表现优异，达到了先进的压缩和重排序性能。

Empero 开源了 Qwythos-9B-Claude-Mythos-5-1M，这是一款增强推理能力的小模型，拥有 90 亿参数。该模型通过高质量数据提升复杂推理任务的表现，支持长上下文和工具调用，拓展了多模态应用。HyperAI 提供了快速部署和测试的资源，方便开发者使用。

语言不仅是思想的表达工具，也是思维生成的关键。内在语言帮助人们构建和明确想法，促进推理和创造。语言的自回归特性影响思维路径，个体思维与社会经验相连，促进认知和情感调节。未来智能系统可能结合潜空间推理与语言生成，语言在智能发展中将扮演重要角色。

清华大学团队在ICML 26上获得杰出论文奖，提出了JustGRPO模型，解决了扩散语言模型（dLLM）在数学和编程推理中的灵活性陷阱问题。该模型在GSM8K基准测试中取得89.1%的准确率，展示了其推理潜力。

Cohere推出了动态推测解码技术，能够根据显卡状态实时调整猜字数量，从而解决了固定数量导致的速度瓶颈。该技术在不同批次大小下优化性能，提升推理速度，特别是在强化学习和大模型服务中表现突出。动态方案确保在各种环境下的稳定性，避免了传统方法的速度波动问题，并已整合进vLLM框架，用户可直接受益。

自一致性是一种新型解码策略，通过生成多个独立推理路径并选择最一致的答案，显著提升大型语言模型的推理能力。该方法克服了传统链式思维的局限，允许模型在选择答案前探索多种可能性，从而提高准确性。实验表明，自一致性在算术、常识和符号推理任务中表现优异，证明更好的推理不一定依赖于更大的模型或额外的训练。