Chinese contentOpenAI 未公开推理模型自主解决 Erdős 1946 年平面单位距离问题
这是 AI 首次自主解决数学开放问题，证明了通用推理模型能跨领域创造新解法，做 AI 研究和数学研究的都该看看——它可能改变我们对 AI 创造力的认知。
DailyVOL 2026.05.21195 items
AI推理突破：15%训练步数实现千步性能
Singapore·Thursday, 21 May 2026·DAILY · 08:00 SGT
2026-05-21 今日AI研究聚焦于提升推理效率与模型鲁棒性。
首先，强化学习推理（RLVR） 取得重要进展：RELEX 通过秩-1轨迹外推，仅需15%训练步数即可匹配完整训练性能；DelTA 则通过判别性Token信用分配，解决了RLVR中token级信用分配不准确的问题，在Qwen3-8B上平均提升3.26%。
其次，AI代理与深度研究领域迎来挑战：DeepWeb-Bench 新基准揭示模型在复杂网络研究中的推理短板（70%错误源于推导与校准）；Agent JIT编译将网页操作延迟降低10倍，通过直接编译任务描述提升效率。
最后，模型训练与部署方面，torchtune 作为PyTorch原生后训练库，简化了微调与部署流程；PALS 则通过功耗感知运行时系统，在保持吞吐量的同时将能效提升最高26.3%。
01
Models
5 items
Chinese contentQwen 模型自主进化：35 小时独立优化内核，10 倍加速
这是 AI 自主编程能力的里程碑——模型不再只是写代码，而是能像资深工程师一样分析、调优、迭代。做 AI 系统优化或关注模型自主性的开发者，值得仔细看看这个案例。
Chinese contentOpenAI 推理模型推翻 1946 年 Erdős 猜想，数学 AI 再创历史
OpenAI 用通用推理模型解决了一个困扰数学家近 80 年的难题，证明 AI 不需要专用引擎也能做前沿数学研究。做 AI 推理或数学建模的团队值得关注——它展示了“推理时计算”比“更多训练”更能带来突破。
Chinese contentQwen3.7-Max 发布：专为智能体时代打造的旗舰模型
Qwen3.7-Max 解决了智能体在长周期任务中的自主性和可靠性问题，做自动化编码、办公流程优化的开发者可以直接在Model Studio上手体验。
Chinese content谷歌发布 Gemini 3.5 Flash，低延迟低成本领先多项基准
Gemini 3.5 Flash 解决了高智能与低延迟的矛盾，做多步骤代理和编码的开发者可以直接用上，成本还更低，值得一试。
SuperTechFansSource
02
Products
3 itemsChinese contentChrome DevTools for Agents 1.0 正式发布
做 Agent 开发或浏览器自动化的团队终于有了官方调试工具——Chrome DevTools 直接开放给 Agent，省去自己造轮子的麻烦，建议直接接入试试。
Chinese contentDeepSeek 组建 Harness 团队，对标 Anthropic Claude Code 开发编程智能体
DeepSeek 正式入局 AI 编程智能体赛道，做开发工具或使用 Claude Code 的团队值得关注——这可能会带来新的选择或竞争格局变化。
Chinese contentCursor 团队训练 Composer 2.5，而非提示工程，Fireworks 提供 RL 支持
Cursor 用 RL 训练模型而非提示工程，给 AI 产品团队一个关键信号：2027 年后，训练自己的模型才是护城河。做 AI 应用开发的建议点开，看看他们怎么和 Fireworks 合作跑 RL 滚动。
03
Industry
5 itemsIndustry13:03
Chinese content英伟达 ACIE 成新增长引擎：AI 云收入同比增长超 3 倍英伟达首次披露 ACIE 业务细节，AI 云收入暴增 3 倍，做企业级 AI 部署或云服务的团队值得关注这个新增长点。
IT之家Source
Chinese contentSpaceX S-1 披露：Anthropic 每月支付 12.5 亿美元租用算力
AI 公司算力军备竞赛的又一例证——Anthropic 每月砸 12.5 亿美元租 SpaceX 算力，做 AI 基础设施或关注模型训练成本的团队值得关注这个趋势。
Simon Willison’s WeblogSource
Chinese contentMeta 泄露音频：用工程师工作痕迹训练编程 AI，同时裁员 8000
Meta 把自家工程师的思考过程变成训练数据，做 AI 编程或关注 AI 对就业影响的开发者值得细看——这可能是未来 AI 训练范式的转折点。
Industry10:48
Chinese contentFDE 是什么？为何 OpenAI、Anthropic 力推，或成下一个热门职业AI 模型能力趋同后，落地能力才是护城河——FDE 正是解决「如何用、用在哪」的关键角色。想从纯技术或咨询转型 AI 落地的开发者，这篇路线图可以直接照着练。
Chinese contentText Arena 价格-性能帕累托前沿：GPT-4 级质量成本下降 500 倍
大模型价格-性能曲线正在急剧右移，做模型选型和成本优化的团队可以直观看到哪些价位段性价比最高，建议点开看具体数据。
04
Papers
5 itemsChinese contentRELEX：仅需15%训练步数，通过秩-1轨迹外推提升LLM推理能力
RLVR训练成本高昂，RELEX用极低成本实现同等推理提升，做LLM推理优化的团队可以直接用代码复现，值得一试。
Chinese contentDelTA：用判别性Token信用分配提升RLVR推理能力
做RLHF或推理模型训练的团队，终于有了一个能精准分配token级信用的方法——DelTA解决了高频格式token淹没关键信号的问题，数学和代码任务上效果显著，值得在自家模型上试试。
Chinese contentMem-π：让AI智能体学会“何时生成”而非“检索”记忆
做AI智能体开发的团队终于有了解决记忆错配问题的方案——Mem-π 让智能体学会“按需生成”而非“死板检索”，在复杂任务中效果显著，建议研究记忆增强的开发者点开看看。
Chinese contentAgent JIT 编译：将网页操作延迟降低 10 倍
网页自动化开发者终于有了降低延迟的实用方案——Agent JIT 编译直接解决了顺序执行的高延迟痛点，做 RPA 或浏览器智能体的团队值得一试。
Chinese contentDeepWeb-Bench：更难的深度研究基准，揭示模型推理短板
做 AI 评估或研究基准的团队会发现，DeepWeb-Bench 揭示了现有基准无法区分的模型能力差异——尤其是推导和校准的短板。建议关注其分能力族评估和来源溯源设计，这对理解模型真实研究能力很有帮助。
195Stories
45First-party
31New models
69Sources
AITOP · generated by the editorial system