GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，面向初创公司讲解如何在 GPT-6 各型号间选型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
#推理
#推理
今日 0 条OpenAI NewsAI 评分4040
Latent SpaceAI 评分3434 MIT 的 Alex Zhang 谈 RLM、GPU 内核与智能体集群
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其提出的 Recursive Language Models（RLM），基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。
AWS Machine Learning BlogAI 评分3434 亚马逊支付如何用 Amazon SageMaker AI 上的上下文 bandit 提升获客漏斗转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周在线 A/B 测试中，一个人群的漏斗末端转化率取得高个位数百分比相对提升，另一个人群则没有改善，问题出在内容而非模型。
Ars Technica · AIAI 评分6262 CMU 等团队 AI Ataraxos 以 15 比 1 击败最强 Stratego 人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI Ataraxos 以 15 胜 1 负 4 平击败被视为史上最强 Stratego 选手 Pim Niemeijer，训练仅用 16 块 GPU 和几千美元。
Latent SpaceAI 评分7070 InstructGPT 作者 Diogo Almeida 谈 Jev 与 RLCD：为软件而非聊天造模型
TypeSafe AI CEO Diogo Almeida 在 Latent Space 播客中介绍新模型 Jev，称其为面向代码消费的 System 1 模型，按每美元智能而非聊天体验优化。
OpenAI NewsAI 评分3333 GPT-5.6 Sol 如何助力运行量子计算实验
一位 MIT 研究员使用 GPT-5.6 Sol 配合 Codex，自主运行量子计算实验、分析结果并校准量子比特。该案例展示了 GPT-5.6 Sol 在量子计算实验流程中的自主执行与结果分析能力。
Berkeley AI ResearchAI 评分3434 无需 TD 学习的强化学习：分治法实现长时程任务的可扩展 off-policy RL
一项新研究提出用"分治"范式替代时序差分（TD）学习来做 off-policy 强化学习，通过将轨迹一分为二、组合两段价值来更新整体价值，理论上把 Bellman 递归次数从线性降到对数级。该方法在 goal-conditioned RL 中实现了可扩展的分治价值学习，作者称这是首个将分治价值学习扩展到高复杂度任务的工作。相比 n-step TD，它无需调 n 超参，也不必然带来高方差或次优性。