AI 智能体从照片构建 3D 场景，但无法判断准确与否
Li 等人提出 LEGO-Anything，让编码智能体接收单张照片后迭代编写 Blender 代码来重建 3D 场景。团队还推出 LEGO-Bench 基准，包含 208 张图像、三个评分维度。
#推理
The DecoderAI 评分7272
AWS Machine Learning BlogAI 评分5959 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
AWS 工程师介绍了用 Amazon SageMaker AI MTRL 微调 Qwen3.6-27B 作为搜索智能体的完整流程，包括数据集选择、reward 函数设计（nDCG@10）。
MIT Technology Review · AIAI 评分5252 Thore Graepel：别被骗了——LLM 并不会推理
DeepMind AlphaGo 核心成员 Thore Graepel 指出，当前 LLM 依赖的是 System 1 的模式补全而非真正的推理，缺乏显式、持久、可审查的认知状态，知识与推理过程深度耦合，且思维链往往在得出答案后虚构生成。
Latent SpaceAI 评分4444 学术雄心——MIT Alex Zhang 访谈
MIT 博士 Alex Zhang 探讨递归语言模型（RLM）、GPU Mode 与 KernelBench，强调学术界应敢于押注工业实验室不愿涉足的"奇怪"研究。
NVIDIA Blog精选AI 评分7070 NVIDIA 博客详解 GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 现已在 OpenAI API 及符合条件的 ChatGPT Work 和 Codex 用户中开放。
推荐理由：GPT-6 Astra Ultrafast 在 NVIDIA Blackwell GPU 上实现了最高 8 倍的 token 生成加速，开发者可据此评估其对编码智能体 edit-test-debug 循环的实际影响。
NVIDIA Blog精选AI 评分6262 NVIDIA 与 CoreWeave 合作推出 Vera Rubin NVL72 系统及 CoreWeave Forge 平台
CoreWeave 在旧金山峰会上宣布 NVIDIA Vera Rubin NVL72 系统正式上线，Cognition（Devin 的开发团队）成为首个生产用户，在 SWE-2 推理工作负载中实现相比 GB200 NVL72 高达 4.8 倍的 token 吞吐量提升。
推荐理由：原文给出了具体性能数据（4.8x token throughput、3x faster sandbox startup、1.7x Terminal-Bench 提升），读者可据此判断 Vera Rubin 和 CoreWeave Forge 的实际能力变化。
AWS Machine Learning Blog精选AI 评分6363 GPT-6.1 Sol 在 Amazon Bedrock 正式可用，主打低成本的近 Astra 推理能力
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，据 OpenAI 介绍它在编码、计算机操作和专业工作场景中提供接近 Astra 的推理能力。
推荐理由：原文给出了性能对比数字（DeepSWE v1.1 成本降为五分之一、超越 GPT-6 Sol 6.4 个百分点）和 Codex 的集成路径，读者可以据此判断它是否值得替换现有 Agent 工作流。
Simon WillisonAI 评分5353 Anthropic 发布 Claude Sonnet 5.5：速度提升 30%、成本降低 30%
Anthropic 于 9 月 28 日发布 Claude Sonnet 5.5，官方称其速度提升 30% 以上，多数任务成本降低 30%，定价与 Sonnet 5 相同但各项基准测试均有提升。
Ars Technica · AIAI 评分4242 专家担忧 Nvidia AI 芯片对华销售及其对 Trump 的影响
知情人士透露，中国正考虑允许字节跳动和阿里巴巴购买受出口限制的 Nvidia AI 芯片。此举若获批，或将为这两家中国科技巨头获取高性能 AI 训练算力开辟新途径，同时引发美国政策制定者对 Nvidia 在华影响力扩大的警觉。
Simon WillisonAI 评分7373 Claude Opus 5.5、GPT-6 Sol、GPT-6 Luna 与新一轮价格战
Anthropic 与 OpenAI 于 9 月 22 日同日发布新模型，Claude Opus 5.5 定价下调 20% 至 $4/M（输入）/ $20/M（输出），而 OpenAI 将 GPT-6 Sol 和 GPT-6 Luna 定价为 GPT-5.6 系列的半价，GPT-6 Luna 最低至 $0.10/M（输入）/ $0.50/M（输出），引发了新一轮价格战。
Google DeepMind精选AI 评分7575 Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款语音对话模型，前者主打规模化成本效益，后者针对高复杂度任务强化多步推理。
推荐理由：原文给出了具体评测分数和分平台上线时间，读者可以据此判断 Gemini 3.8 Live 系列在语音对话模型中的实际能力和可用范围。
GitHub Blog · AI & ML精选AI 评分7676 GitHub Copilot 发布 Project HydraFusion 研究预览，通过多模型编排实现前沿质量
GitHub 发布 Project HydraFusion 研究预览，通过运行时编排选择多模型协同完成任务，支持 Single（单模型直接解决）、Cascade（级联升级）和 Critique（批评修订）三种执行模式。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Microsoft Research精选AI 评分6969 CARE-X：借助辅助监督、奖励对齐学习和工具增强测量实现临床实用放射学 VLM
微软研究院提出了统一胸部 X 光 VLM CARE-X，将生成式报告与结构化诊断预测整合到同一模型，并通过辅助分类头、定位头与 DAPO 强化学习进行协同训练。
推荐理由：该研究提出辅助监督与 DAPO 强化学习结合可同时提升 VLM 生成能力和结构化预测精度，工具增强方法在测量依赖诊断上显著优于纯视觉推理。
Berkeley AI ResearchAI 评分5555 Berkeley 研究团队提出 ABBEL 框架：用自然语言信念状态实现高效长程交互
Berkeley AI Research 提出了 ABBEL（Learning Natural-Language Belief States for Memory-Efficient Interaction）框架，针对 LLM 在长程任务中上下文无法无限扩展的问题。
Berkeley AI ResearchAI 评分5858 GRASP：面向长时域世界模型规划的梯度松弛随机规划器
Berkeley AI Research 提出 GRASP，一种基于梯度松弛的随机规划器，旨在解决现代世界模型进行长时域规划时的脆弱性问题。GRASP 将轨迹提升到虚拟状态空间并行优化，同时向状态迭代中加入高斯噪声以促进探索，并通过阻止状态梯度但保留动作梯度来规避深度学习模型的对抗鲁棒性问题。
Berkeley AI ResearchAI 评分5656 BAIR 发布 SPEX/ProxySPEX：大规模识别 LLM 交互作用的算法框架
BAIR 团队发布 SPEX 及其改进版 ProxySPEX 算法，旨在高效识别 LLM 等复杂 ML 系统中的关键交互作用。该框架利用交互作用的稀疏性和低阶性，将搜索问题转化为稀疏恢复问题，在数千个特征规模下仍能保持高 faithfulness，而 LIME 等边际方法在此规模下 faithfulness 显著下降。