Google 发布 TurboQuant：以极致压缩重新定义 AI 效率
Google 推出 TurboQuant 压缩算法（ICLR 2026），在零精度损失下大幅缩减模型体积，同时支持 KV cache 压缩和向量搜索。其核心依赖 QJL 的零开销 1-bit 技巧与 PolarQuant 的极坐标压缩，消除了传统向量量化每数字 1-2 bit 的内存开销。
#推理
#推理
今日 1 条Google ResearchAI 评分4444
Mistral AI精选AI 评分6767 Mistral 发布 Mistral Small 4，统一推理、多模态与编码能力并以 Apache 2.0 开源
Mistral 发布 Mistral Small 4，是首个将 Magistral 推理、Pixtral 多模态和 Devstral 智能体编码能力统一到单一模型的小型旗舰，采用 Apache 2.0 许可开源。
推荐理由：原文给出架构参数、reasoning_effort 用法和与 GPT-OSS 120B 的输出效率对比，读者可据此评估部署成本与选型。
Google ResearchAI 评分5050 Google 与 Cornell 测试六个 LLM 回答高温超导研究问题，NotebookLM 与自建 RAG 系统表现最佳
Google Research 与 Cornell 合作在 PNAS 发表论文，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和自建 RAG 系统回答 67 个铜氧化物高温超导专家问题，由专家按 0 到 2 分多指标盲评。
Mistral AI精选AI 评分7777 Mistral 发布 Mistral 3 系列：Mistral Large 3 与 Ministral 3 全面开源
Mistral 发布新一代模型系列 Mistral 3，包含 Mistral Large 3（41B 激活、675B 总参数的 MoE）以及 3B、8B、14B 三档 Ministral 3 模型，全部以 Apache 2.0 许可开源。
推荐理由：官方一次放出 675B MoE 旗舰与三档小模型，全部 Apache 2.0 开源并给出部署路径，适合评估开源选型空间。
Berkeley AI ResearchAI 评分4444 Berkeley AI Research：一种不依赖 TD learning 的强化学习算法——分而治之
Berkeley AI Research 介绍了一种基于“分而治之”的 off-policy RL 价值学习算法，替代 TD learning。传统 TD learning 的 Bellman 递归会使误差随长 horizon 累积，TD-n 只能按常数因子减少递归次数，而分而治之可将递归次数按对数级降低，且无需调超参数 n。
Berkeley AI ResearchAI 评分4848 word2vec 到底学到了什么？Berkeley AI Research 给出定量理论
Berkeley AI Research 的新论文为 word2vec 的学习过程提供了定量预测理论：证明在若干温和近似条件下，其学习问题可归约为无加权最小二乘矩阵分解，梯度流动力学可解析求解，最终学到的表示等价于对特定目标矩阵 $M^\star$ 做 PCA。
Mistral AIAI 评分5757 Mistral Le Chat 新增 Deep Research、语音模式与 Projects 等多项功能
Mistral AI 为 Le Chat 推出一批新功能，包括 Deep Research（预览）研究模式、基于 Voxtral 模型的语音模式、由 Magistral 推理模型驱动的多语言思考模式、Projects 项目文件夹，以及与 Black Forest Labs 合作的图像编辑。
Mistral AI精选AI 评分6464 Mistral AI 发布首个推理模型 Magistral，含 24B 开源版与企业版
Mistral AI 发布首个推理模型 Magistral，分为 24B 参数开源的 Magistral Small 和企业版 Magistral Medium。
推荐理由：官方公布两个版本的关键评测分数和开源许可，读者可以据此对比其在推理模型中的定位与可用部署方式。