前 DeepMind 研究员 Thore Graepel 创立 Metis Reasoning，提出用 AlphaGo 式搜索加显式"知识账本"替代把知识烧进模型权重，以减少模型幻觉。该方案让两个神经网络负责提议与评估推理步骤，另设独立模块用计算、形式化证明或实证证据核验，未获支持的结论不予采纳。目前仅有白皮书，无可用系统、benchmark 或与现有推理模型的对比。
OpenAI 公布模型在 Kakeya 猜想、指数时间假设（ETH）和量子色动力学三个问题上的结果，并说明研究者可以如何验证并在此基础上继续推进。内容来自 OpenAI 与学术社区的合作，正文尚未给出具体结论细节。
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 演化式内核搜索框架，新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库自动适配 Apple Silicon。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可看跨平台内核知识迁移的具体做法。
UC Berkeley 团队提出，推理成本已从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1，部分厂商低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。作者据此提出三类数据系统挑战：为智能体设计的数据系统、支撑智能体群体运行的数据系统，以及由智能体自行合成并需可验证的数据系统。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到与 SPEX 相当的性能。在情感分析任务上，SPEX 在上下文扩展至数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。