AI 为何突然擅长数学证明：从提示序列与分支因子看模型解题方式
作者分析 OpenAI 与 Anthropic 今年在数学开放问题上的多项成果，提出用提示序列长度 k 与分支因子 b 判断哪些问题对 LLM 可解。他认为人类广度优先、靠直觉剪枝，模型深度优先、靠验证器剪掉已完成路径，失败尝试会作为负向提示进入下一轮。Navier-Stokes 证明据称动用 10000 个智能体、88 小时消耗 300B token。
#推理
Latent SpaceAI 评分7575 MIT Technology Review · AIAI 评分2020 EXL 解读如何设计可持续的 AI 服务框架
EXL 研究人员在 "Engineering the Harness" 系列中探讨企业 AI 的服务框架设计，指出生产环境的竞争关键已从模型能力转向围绕模型的工程系统。
Import AIAI 评分4242 Import AI 475：群体扩展、Google DeepMind 为生物设计加水印与 AI 科学经济
Import AI 475 期讨论了群体（swarm）扩展作为新型推理扩展方式：4 智能体群体完成任务所需 token 总量约为单智能体的两倍，但每个智能体只需一半 token，并行运行理论上可将耗时减半。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。文章对比了 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!