蚂蚁武威：下一代「推理」模型范式大猜想

文章围绕下一代「推理」模型范式展开，蚂蚁技术研究院武威提出不同观点，认为长思维链推理未必最优，未来推理模型或更低维稳定，还探讨推理定义、重要性及解法猜想，如结合快慢思考等。

专业医生远不如AI模型？OpenAI推出医疗开源测试基准HealthBench，o3表现最强

OpenAI推出医疗开源测试基准HealthBench，由262位多国医生合作打造，含5000段真实健康对话。评估显示o3综合表现最佳，顶尖AI处理任务能力超无辅助医生，HealthBench更真实专业有区分度，但也有局限。

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。

新站上线，如何在谷歌上获得高曝光和点击？哥飞和良辰美的网站案例分析，揭示了排名、上线时间对流量获取的影响，以及如何通过社群活动激励站长们参与竞争。

零样本刷新三项基准：ZeroDiff++让AI边考试边学习 | TPAMI'26

本文介绍发表于IEEE TPAMI 2026的ZeroDiff++模型，是ICLR 2025 ZeroDiff的扩展工作，针对生成式零样本学习的虚假语义关联、分布脱节问题提出新框架，在三项主流基准刷新成绩

豆包工作这波更新，我给满分！一大波实测来了

本文为新智元出品的实测文章，针对字节跳动豆包工作的最新三大更新展开体验测评，分析当前AI办公的核心痛点，验证新功能的实际解决效果，给出真实使用评价。

特斯拉为什么非要造Cybercab？｜甲子光年

北京时间9月4日，特斯拉低调发布Cybercab，已进入奥斯汀Robotaxi运营体系。它专为Robotaxi打造，无方向盘与踏板。文章探讨特斯拉造它的原因，涉及成本、生产等，也指出业务面临财务和法规问题。

长程 Agent 越跑越乱？ContextPilot 用细粒度 RL 教会模型主动管理上下文

长程 Agent 推理时，传统方法使上下文臃肿、推理成本高。清华、腾讯等团队提出 ContextPilot 框架，扩展管理工具集、采用新采样和信用分配方法。实验显示其用短上下文获高分，降低推理开销。

微软×UIUC：给每个学生造一个「数字分身」，AI教师终于有了陪练

微软和 UIUC 合作研究 StudentSim，基于真实学生数据训练个性化学生模拟器框架，解决了过去学生建模方法的问题。它经两阶段训练，在多领域实验中表现出色，还能为 AI 教师优化提供反馈。

600万奖池尘埃落定，有人靠DeepSeek网页版拿下冠军

TAAC × KDD Cup 2026大赛落幕，600万奖池揭晓归属。大赛吸引52国13913名选手，竞争激烈。冠军团队分别用DeepSeek网页版等工具，在赛题“统一建模”难题上各展方案，其成果或助广告外的LLM研究。