推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限

大语言模型在数学证明常现推理漏洞，斯坦福等高校团队提出IneqMath基准评估其严谨性。用不等式证明题切入，拆解为子任务，构建评测体系，用LLM - as - Judge审查。结果显示模型推理正确率低，存在结构性缺陷。

本周推荐的6个超级6的Github开源项目！

本文推荐6个Github开源项目，有能接入多平台的开源微信机器人CoW，基于VS Code魔改的AI代码编辑器Void，免费的ERP系统ERPNext，开源物联网平台ThingsBoard，共享虚拟浏览器Neko，微软轻量命令行编辑器Edit。

Cursor就是最强知识库应用，没有之一

作者认为最好用的知识库应用是Cursor，它有RAG能力，能处理代码和纯文本，可创建修改文档，具备搜索能力且会及时支持先进模型。作者还分享用Cursor配合文档工作的规则及使用示例。

绝对零监督Absolute Zero：类AlphaZero自博弈赋能大模型推理，全新零数据训练范式问世

清华大学 LeapLab 团队等提出全新推理训练范式 Absolute Zero，使大模型实现「自我进化式学习」。基于此范式训练的模型 AZR，在代码生成与数学推理基准任务表现出色，缓解了大模型对人工数据依赖难题。

2025年4月17日消息，OpenAI 连发o3和o4 mini，o3为强大推理模型，o4-mini专为高效推理优化。它们能调用ChatGPT工具，可基于图像思考。OpenAI还开源本地代码智能体Codex CLI，兼容所有模型。

一款永远不睡觉的 AI Agent 微框架：它会自己琢磨事儿，干完主动来找你汇报！

Laude Institute的AI Agent Audel在无指令下自动修复bug，背后是开源的AI Agent微框架Headlong。它与其他Agent不同，其Agent永远不睡觉，核心由9800行Bash脚本构成，安装简单，提出AI主体性问题。

突发！Hugging Face 要被卖了：最新报价约870亿元

重要AI开源平台Hugging Face正探索出售，估值或达130亿美元。消息引发对开源生态的担忧，此前微软收购GitHub就曾让部分人迁移代码。它从聊天机器人转型，近年还扩张到硬件等领域。

6个Agent组团Vibe Gaming：自己生成、试玩、修Bug

过去大模型生成的游戏虽代码能跑，但常陷入“可玩性黑洞”。Spellcaster让多个专用Agent协同处理，形成“生成—运行—检查—修复”循环。目前能快速生成多种游戏原型，未来将用世界模型直接生成画面。

Meta 开源 Brain2Qwerty v2：非侵入式脑机接口语句解码准确率达到 61%

Meta 近日开源非侵入式脑机接口系统 Brain2Qwerty v2，能将人脑想法解码为完整语句，平均单词识别准确率达 61%，远超其他非侵入式方案。其采用三阶段深度学习模型，代码和训练数据已公开。

Momenta港股上市：一个智驾供应商为何要讲物理AI？｜甲子光年

今日Momenta在港交所上市，此前赴美上市搁浅。虽盈利状况优于同行，但研发投入大，累计亏损高。上市前夕其从‘自动驾驶公司’变为‘物理AI公司’，欲用物理AI模型打通多市场，这也是行业趋势。