微软研究院研究发现清空聊天历史可帮助 AI 智能体找到更优解
微软研究院研究发现，长期运行的 AI 研究智能体即使增加算力也常因累积对话上下文陷入单一想法区域，清空聊天历史能帮助其探索更优解。该团队提出的 Fork-and-Flush 方法在同一算力预算下归一化平均分达 0.78，比单次运行高 66%，在 13 项任务中 12 项得分最高；仅清空上下文而不分支也能提升约 22%。
#推理
The DecoderAI 评分6060
Import AIAI 评分5252 Import AI 476：创造力与 RSI、落后于中国的开源权重模型与 AI 走向太空
Jack Clark 梳理了多模态视觉推理基准 HSS、研究品味 TasteVal 和开源权重模型等动态。HSS 显示最优模型得分 53.6，人类为 93.1；TasteVal 表明前沿模型研究品味每 3 个月翻倍，他据此将递归自我改进提前至 2027。Reflection 与 Mistral 分别发布开源权重模型，但基准分数低于 GLM-5.3 和 Kimi K3。
The DecoderAI 评分7373 Google DeepMind AlphaProof Nexus 解决数十个开放数学问题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 在《科学》发表的研究中解决了数十个开放数学问题，包括 353 个 Erdős 问题中的 9 个，其中两个已悬置 56 年。
The DecoderAI 评分6767 研究发现 AI 智能体团队消耗大量 token 但质量提升微乎其微
Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5 发现，多智能体团队仅一个比较有统计显著改善，成本却是单智能体的 1.8 到 5.1 倍。在最大推理档位，团队设置对两款模型都没有实际优势。Anthropic 与 OpenAI 研究者也指出，多智能体主要换来速度而非更好的输出质量。
Hugging Face Blog精选AI 评分6969 Nemotron 微调后在 IOI 与 IMO 均达到金牌水平
Nemotron Labs 团队微调 Nemotron 3，在 IOI 2026 和 IMO 2026 均达到金牌水平，分别得分 535.4/600 和 30/42。
推荐理由：原文给出可复用的四步微调配方，并开放检查点与数据，为竞赛级任务的领域专业化提供了具体参照。
Berkeley AI Research精选AI 评分6060 K-Search 如何将 CUDA 内核经验迁移到 Apple Silicon
K-Search 通过新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，在 Apple Silicon 上把 CUDA 内核优化知识自动迁移为 MLX 内核，不再从零重建。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计和注意力、Mamba 内核的实测吞吐，可用于判断该方法迁移到其他非英伟达硬件的潜力。