TUM 论文揭示大模型组合任务中的隐式思考预算机制导致错误率上升
TUM 团队在 HF 发布论文《On the Fragility of Tasks under Composition》，揭示大模型在单条 prompt 中组合多个任务时的失效机制。开源模型和 Claude Opus 5 在组合任务中分配到更少思考 token，错误率随之上升。按任务脆弱性分组后，数学和语言任务可减少 43% token 用量并保持准确率。
#推理
AGI HuntAI 评分4848 The DecoderAI 评分6666 Claude Science 自主设计靶向蝎毒的蛋白质结合分子
Claude Science 中的 Claude 自主为五种蝎子毒素生成了 318,484 个蛋白质结合分子设计，研究团队随后通过额外指令引导筛选并测试 211 个候选。实验中有 17 个设计达到标准，其中 2 个与墨西哥蝎子毒素 Cn2 结合最紧密；两项独立实验室确认了结果，但其能否作为抗蛇毒药物尚未测试。
Apple Machine Learning ResearchAI 评分4343 Selection-Based Structured Reasoning：面向高效多模态搜索智能体的选择式结构化推理
研究团队提出 Selection-based Structured Reasoning（SSR），将多模态搜索智能体的开放式推理生成改写为从预定义候选中择优选择。SSR 使用共享上下文 KV cache 并行计算 token 似然，在 7 个多模态搜索基准和 2B、4B 模型上显著提升效率，同时保持有竞争力的平均成功率，每轮推理延迟降低超过 90%，每道题总模型推理延迟降低 28–54%。
Apple Machine Learning ResearchAI 评分4141 三模态 Masked Diffusion Models 的设计空间与系统分析
研究团队从零预训练首个三模态 Masked Diffusion Models（MDM），统一处理文本、图文与音频-文本数据，并系统分析多模态扩展规律及训练配置。团队提出基于随机微分方程（SDE）的批大小重参数化，无需再调节最优批大小。初步 3B 模型使用 6.4T tokens，在文本生成、T2I 和 T2S 任务中取得较强结果。
Import AIAI 评分4545 Import AI 476：创造力、递归自我改进、中国开源权重模型与太空 AI
Import AI 476 聚焦视觉推理、模型研究品味与太空 AI 带来的战略优势。HSS 基准包含 522 道题，人类的 pass@1 为 93.1，GPT 6 Astra 为 53.6，GLM-5.3-flash 与 Kimi K3 分别为 26.8 和 25.5。
Import AIAI 评分5656 Import AI 473 综述超级智能战略、异种脑实验与 AI 治理研究
Import AI 473 汇总多篇研究，探讨美国超级智能战略、人类脑组织移植小鼠、AI 发展节奏治理、无审查开放权重模型及递归自我改进的动态。RAND 建议美国以保持选择空间为核心投入人机生态、安全架构和应急能力，相关论文还讨论不同治理工具的激励、验证与退出机制。