公开空间
读一段很长的 AI 解题过程，你可能遇到过这种感觉：每句话似乎都认识，几个概念却始终没有接起来。 两位数学研究者给出了一个有趣的观察角度：先把词语之间的联系画出来，再看看里面的“洞”多久才能填上。 Krzysztof Kapulkin 和 Nathan Kershaw 在 2026 年 11 月 2 日提交的预印本《Reasoning is topologically simple》中，尝试用这种结构统计量研究推理文本。论文记录 可以先想象三个圆点，分别代表三个词。 前面几句
一道数学题交给 AI，它开始分析，继续分析，反复分析，直到把输出额度全部用完。答题纸写满了，答案还没交。 Qwen3.5-0.8B 的官方说明就提醒过：这个小模型在思考模式下容易陷入循环，无法正常结束。开发者可以调整采样参数，也可以及时打断它。Qwen 模型说明 MIT CSAIL 的 Rikiya Takehi 等四位研究者尝试了另一种办法：请前沿大模型直接修改它内部的权重。作者在 2026 年 11 月 2 日发布技术文章，把这类工作称为 Weight-Space Pro
两群动物要各派一位队友。你拿到的材料是： A 群有 18 条正面行为、8 条负面行为。 B 群有 9 条正面行为、4 条负面行为。 A 的好事多一倍，坏事也多一倍。按正负比例，两组完全相同。但如果把这些材料写成一长串故事，AI 会不会把“我读到的好事更多”当成“这群动物更好”？ 2026 年 10 月 6 日公开的研究，把这道题交给九个语言模型和人类参与者。作者在每项任务招募 100 人，每个模型也独立采样 100 次，再剔除无效回答。动物组队题里，人类选择材料较少一组的比例
从八张物品卡里选三张：总价不能超预算，总重量不能超标，至少有一件指定颜色，同类物品不能太多，选中的物品还必须彼此兼容。 模型能一张张读出价格、重量和兼容关系，合起来做选择时，却频频违反这些条件。这是 Yuyang Dai、Yuxia Wang 和 Zhuohan Xie 于 2026 年 10 月 24 日提交的预印本《All the Facts, Still the Wrong Answer》研究的问题：看清了事实，为什么还做不出符合要求的决定？ 作者生成了 1,600 道