推理能力

像物理学家一样剪枝 LLM：将模块移除视为伊辛优化问题

📌 One-Sentence Summary 本文提出了一种 LLM 模块移除方法，将其重新表述为映射到伊辛玻璃的约束二元优化问题，从而实现高效、高性能的深度剪枝，并考虑了模块间的相互作用。 📝 Summary 作者提出了一种新颖的 LLM 深度剪枝方法，将模块选择视为约束二元优化（CBO）问题，并直接映射到伊辛玻璃模型。与将 Transformer 模块视

像物理学家一样修剪LLM：块删除作为伊辛优化问题

EP182 · Step 5 长任务、Bun 迁移治理、直播字幕链路 · 09-21 早报

📝 今日导语 从 Step 5 的长任务取舍，到 Bun 的 AI 迁移治理与快手实时字幕链路，读者可据此审视模型、工程和延迟的取舍。 🏷 今日关键词： Step 5 Preview Bun 迁移治理 实时字幕 100 万 Token PTS 对齐 语义回归 📰 今日精选内容 阶跃发布旗舰模型 Step 5 Preview：向前一步，智能效率的新一代「帕累托

【网经社AI科普】Claude：Anthropic出品 长文本推理与代码分析能力卓越 - 搜狐网

深度解读：关于 Jev 的几大疑问

刷屏全网的 Jev，是 AI 革命，还是营销噱头？ 作者丨 高允毅 编辑丨岑 峰 这几天，全网都被 Jev 刷屏。 说它是这周最火的大模型，一点也不夸张。推特上诸多大佬用它打马里奥，过滤垃圾信息，炒币，称它为“Agent时代的系统1”；也有人说这就是一个 JSON 分类器，值得吹？ 有人说它比 DeepSeek 还快，做同一个任务，28 秒 Jev 已经刷完

2026 HotChips | OpenAI首款自研推理芯片Jalapeño 104倍碾压GB300（文末附报告） - 电子工程专辑

前OpenAI研究员推出首款“System One”模型引爆AI圈：不生成文本，专为机器做快速决策 - 新浪财经

前OpenAI研究员上了款专为代码构建的AI模型？告别全能生成：Jev的判别式重构，重新定义AI推理分工 - doit.com.cn

前OpenAI研究员推出首款“System One”模型引爆AI圈：不生成文本，专为机器做快速决策 - thepaper.cn

EP181 · Muse 工程交付、推理路由、MCP 上下文 · 09-20 早报

📝 今日导语 Muse 衔接工程交付，OpenAI 重构推理路由，领英用 MCP 管理组织知识，校准 AI 落地条件。 🏷 今日关键词： Muse Agentic 架构 LLM 推理路由 MCP 上下文工程 企业 Agent 治理 KV 缓存调度 Claude Code Projects 📰 今日精选内容 AI 写代码飞快，为何交付没有变快？小红书 Muse

阶跃新旗舰 Step 5 Preview 发布，跻身 AA 榜单全球开源前三

9 月 20 日，阶跃星辰发布新一代旗舰基座模型 Step 5 Preview ，重点面向 AI 编程、软件工程、专业知识工作、金融等场景，提升模型在真实世界 Agentic 任务中的综合表现，并进一步拓展智能与成本之间的最优边界。在最新的全球权威榜单 Artificial Analysis Intelligence Index （ AA 综合智能指数）中，

Jev 能成为更好的智能体评估器吗？

📌 One-Sentence Summary LangChain 对 TypeSafe AI 的「系统一」决策模型 Jev 进行了评估，发现其在智能体测试中比传统的 LLM-as-judge 评估器更快、更便宜且更一致。 📝 Summary 本文探讨了 Jev（一种非自回归的「系统一」模型）作为 AI 智能体评估的第三种选择，旨在替代基于代码和 LLM-as

Jev 模型在决策任务中展现 5 倍速度优势

📌 One-Sentence Summary OpenRouter 的基准测试显示，TypeSafe AI 的决策模型 Jev 比其他领先 LLM 快 5 倍以上，其最慢响应时间也超过了竞争对手的中位数。 📝 Summary 使用 Ori Eval 进行的对比测试表明，Jev 在执行速度上具有显著优势，处理速度比次优模型快 5 倍。数据显示，Jev 在所有请

TypSafe AI发布Jev：System One模型，返回输入、校准的决策，而不是文本

TypeSafe AI发布了Jev，这是一个System One模型，它用概率回答键入的问题，而不是生成文本。每100万个代币的输入成本为0.042美元，输出代币是免费的。我们涵盖了API、供应商基准测试及其警告、开发人员已经在构建的内容以及记录的限制。TypeSafe AI发布Jev：一个返回类型化，校准决策而不是文本的系统模型

生产环境中的 LLM 推理路由：从引擎信号到策略

📌 One-Sentence Summary OpenAI 推理工程师 Lu Zhang 与 Qianru Lao 介绍 IRB 如何从反馈环负载均衡器演进为控制面与数据面架构，并通过全局优化器在容量、健康度和缓存约束下分配路由权重，以降低端到端延迟并保持生产稳定性。 📝 Summary Lu Zhang 与 Qianru Lao 介绍 OpenAI 的推理

Nature：AI重生到1900，这一世抢先爱因斯坦提出光量子

AI能否提出相对论？

Google Deepmind的Dream-RTI帮助人工智能代理通过“梦想”过去的尝试来改进

谷歌和Deepmind的Dream-RTI让人工智能代理在过去的搜索运行中“梦想”，以测试新策略，而无需进行昂贵的重新计算。在测试中，它匹配或击败了现有结果，将迭代次数减少了高达2.43倍。只有搜索策略会适应，而底层人工智能模型保持不变。Google Deepmind的Dream-RTI文章首先出现在The Decoder上，帮助人工智能代理通过“梦想”过去

一年前我用RL构建了非自回归决策模型

HN ð1040· 240 评论

GPT-6 Astra解决了一战德国无线电密码

HN125· 61 评论

缓存到缓存：LLM之间的直接语义通信（2025）

HN57· 11 评论

ChatGPT发明者的一种新型人工智能模型让开发人员兴奋不已

Jev是一种新型人工智能模型，正在向开发人员展示一条更便宜、更快的软件智能之路。