Nvidia 等机构论文揭示无关文本通过 intrusion heads 削弱模型对问题的利用

Stanford 研究者在 220 个真实专业任务上用同一模型 Qwen3.6-27B 测试 4 种单颗 AI 芯片，衡量每单位能量产生的有用工作。结果显示 NVIDIA B200 相比 AMD MI350X 每单位能量带来超过 4 倍的美元价值和超过 9 倍的专家时间节省，即模型不变、仅换芯片也会显著改变同样电力预算下的经济回报。作者引用的论文还构建了 Joules-to-GDP 指标，测试 5 个开源模型，其中 Gemma 4 31B 用 23% 的能量达到 GLM 5…

NVIDIA 论文发现，AI 智能体通过频繁压缩历史保持短上下文时精度几乎不降。服务 256K 上下文窗口比 16K 的每 token 生成成本高 3.6 倍到 7 倍。

NVIDIA 论文提出，相比逐步打分，只在首个让测试通过的决定性编辑处评估 base 模型更能预测其智能体后训练潜力。方法回放成功智能体轨迹并在每次编辑后重跑测试，检查 base 模型是否会写出该编辑、在失败编辑中选中它并写出可通过的实现。模型写出该编辑的概率排序与十个模型后训练后的 SWE-bench Verified 得分相关性达 0.964，且只需基准的成功轨迹和测试即可运行。

Nvidia 新论文提出 VERA，通过交替更新模型参数与技能文件来提升长流程多步任务的智能体表现，仅训练模型或仅改技能都会损失约一半增益。VERA 构建超 9000 个可重启沙箱，用真实文件与日志逐步打分，决定下一步修复模型还是技能。在医学研究基准上，9B 智能体两种更新并用得分 69.1，仅改技能 56.1，仅训练 43.3。

国际清算银行（BIS）发布关于 AI 公司间循环融资的报告：2021 至 2025 年间，AI 公司获得的投资中 55.2% 来自其他 AI 公司，同时 AI 投资者将自身 28.7% 的交易额投向 AI 标的。循环交易仅占 AI-to-AI 交易的 16.1%，却持有其中 46.4% 的资金；芯片、云和基础设施供应商参与了 73% 的循环关系。报告提醒，供应商投资客户可能同时损失股权和未来订单，且风险分散在多国多行业，没有单一监管者能看到全貌。作者补充称美国 AI 巨头的…

NVIDIA 发布论文《Staying on Task: Testing the Foundations of Long-Horizon Agent Reliability》（arxiv.org/abs/2609.38712），提出 Long-Transduction 诊断方法，测试模型在长生成中持续保持任务的能力。

NVIDIA 新论文提出，与其给 AI 智能体更多选项，不如给它一个更好的裁判：让小型智能体每步生成 8 个候选命令，再由裁判模型挑选执行。用前沿强模型当裁判时，成功率从 50% 提升到 68%，且无需重新训练；若由小模型自评，提升则小得多。

为什么 Nvidia 不自己卖 token “Jensen 真的很擅长让他的朋友们成为亿万富翁。” —— Neil Movva，Sail Research 联合创始人，前 Nvidia GPU/kernel 工程师

VoiceArena 推出 Diarization Bench，用 139 段真实对话和统一评分规则对比 12 个说话人分离系统，NVIDIA Nemotron 3 以 14.72% DER 领先。该基准还揭示 collar 效应：同一输出在 250 ms collar 下 DER 为 4.29%，换成 0 ms 则升至 14.72%，并暴露重叠语音和说话人增多时准确率的快速下降。

NVIDIA 新论文提出 ACES 评估框架，指出技能文档得分高不代表智能体运行时真能受益--技能主要贡献是发现与工作流顺序，而非最终答案质量。ACES 固定任务、模型、沙箱等变量，仅对比有无目标技能两次运行的奖励差，定义为 Skill Lift。在生产技能实测中，结构与裁判评分与 Skill Lift 相关性仅 −0.0181 和 −0.0266，几乎为零。