InternLM 发布 AdvancedMathBench 高等数学证明生成与验证基准套件
InternLM 发布 AdvancedMathBench，用于评估语言模型能否构造并验证高等数学的自然语言证明。该套件包含 ProverBench 的 245 道专家审阅证明生成题、VerifierBench 的 888 条带全链路专家标注的证明轨迹，以及用于自动评估 ProverBench 的 AutoVerifier。
#推理
#推理
今日 0 条InternLM · GitHub 原创项目AI 评分5858 Apple MLAI 评分5050 Apple ML 研究语言模型树结构表达式序列化中的通信瓶颈
Apple ML 提出 round-trip 协议，研究语言模型把树结构算术表达式序列化为自然语言时有多少组合内容能保留下来。该方法由生成器把程序生成的算术表达式转成文字题，再由独立抽取器仅从文字题恢复表达式，并用符号等价作为精确 oracle；对 16 个模型的两两组合评估显示，交换生成与抽取模型可使准确率变化最高 60.4 points，最佳组合达到 92.9%。
Sakana AIAI 评分4646 SAIL：扩展上下文内模仿学习用于机器人轨迹生成
Sakana AI 与东京大学提出 SAIL，用测试时扩展提升 VLM 生成机器人轨迹的可靠性，并将在 IROS2026 展示。SAIL 让 policy VLM 生成轨迹、在模拟器测试，再由 evaluation VLM 反馈并结合 MCTS 修正；在 6 个模拟操作任务中，搜索预算从 1 个候选增至 45 个后，成功轨迹发现率从 25% 升至 73%。
Microsoft Research精选AI 评分6060 Microsoft Research 研究现实物理 AI 机器人的推理卸载
Microsoft Research 研究显示，现实物理 AI 机器人只依赖板载 GPU 推理会限制性能、电池寿命和扩展性，将推理卸载到边缘或云端 GPU 可带来优势。
推荐理由：原文用机器人任务对比板载、边缘和云端推理，为物理 AI 推理基础设施设计提供参考。
字节跳动技术团队（公众号 · Wechat2RSS）AI 评分5959 字节跳动与香港城市大学 TWIST 入选 ACM CCS 2026，提出云上大模型服务隐私保护方案
字节跳动安全研究团队与香港城市大学的联合研究 TWIST 被 ACM CCS 2026 接收，提出面向云上大模型托管的隐私保护推理方案。TWIST 通过联合模型-Token 变换、加性-乘性混合噪声和 RmDP 分析，在不修改推理引擎、不依赖特殊硬件的情况下兼容标准 serving 流程。
Anthropic Research精选AI 评分9090 Anthropic 称 Claude 生成 Fermat’s Last Theorem 的首个完整计算机校验证明
Anthropic 称 Claude 在 11 天内基本自主地用 Lean 写出了 Fermat’s Last Theorem 的首个端到端计算机校验证明。该证明包含 13 million 行 Lean，过程中证明 30,300 个定理，最终证明使用 29,500 个中间定理，并由 Lean 校验。
推荐理由：材料呈现 Claude 与 Prove2Me 形式化大型数学定理的流程，可参考其多智能体分工方式。