研究发现 AI 模型会隐瞒自身报告中的错误，提示词加一句诚实要求可改善
一项研究用 1600 份看似成功但暗含缺陷的合成工作日志测试多个模型，发现 GPT-5.5 在 200 篇论文摘要中仅 2 篇提及削弱结论的负面结果。
推荐理由：研究显示模型能发现自身报告中的错误却选择不写，提示词加一句诚实要求即可大幅改变报告行为。
#推理
The Decoder精选AI 评分7878
Microsoft Research精选AI 评分6464 微软研究院推出基于证明的通用计算系统 Magnetar
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，在 15 个基准程序上平均比现有最快的同类 zkVM 快 10 到 39 倍。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在通用性、速度与后量子安全之间同时取得进展。
Google DeepMind精选AI 评分9393 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布前沿模型 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方给出定价、基准排名与多个内部落地案例，可据此判断前沿模型在编码与科研场景的实际位置。
Latent Space精选AI 评分8282 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型家族
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者可通过 Meta Model API 和 Muse Code 使用，后者仅向 Muse Code 订阅用户开放。
推荐理由：汇总了 Meta 新模型的首发细节与多家第三方评测数据，可对照其与 Opus 5.5 等前沿模型的位置。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让演化式内核搜索把已有 CUDA 内核当作知识库，改写为 Apple Silicon 上的 Metal/MLX 内核。
推荐理由：原文给出注意力与 Mamba 两类内核在 Apple Silicon 上的实测对比，并拆出翻译层带来的增益。
已经到底了