跳到正文
  1. The Decoder88

    OpenAI 一次放出 700 余篇数学手稿,数学家震惊与愤怒

    OpenAI 于 2026 年 10 月 6 日一次性发布 700 多篇手稿,声称解决了数百个未解数学问题,数学博客 Proofs and Prompts 随后收集了 100 多位研究者的回应。

    推荐理由:汇集百余位数学家对 OpenAI 一次性放出 700 余篇数学手稿的即时反应,呈现学界对研究方式与职业前景的真实分歧。

  1. Microsoft Research62

    微软研究院:把物理 AI 推理卸载到边缘或云端可提升机器人性能与续航

    微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机器人本体 GPU 卸载到边缘或云端 GPU,可提升任务成功率并支持更大的模型。

    推荐理由:微软研究院首次系统测量机器人本体推理与卸载推理的差异,给出任务成功率、电池续航和工具链层面的可迁移结论。

  1. Berkeley AI Research62

    从 CUDA 到 MLX:K-Search 如何把内核优化经验带到 Apple Silicon

    Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端,通过结构化的 CUDA 到 MLX 翻译层,让已有 CUDA 内核作为知识库适配 Apple Silicon。

    推荐理由:K-Search 把 CUDA 内核优化经验迁移到 Apple Silicon,读者可看到跨硬件迁移的具体方法与实测差距。

已经到底了