重要进展，按时间持续更新
Google Research 提出面向持续学习的睡眠框架，让 LLM 在活跃交互与离线巩固之间交替，把短期上下文写入长期参数。
框架分两阶段：记忆巩固阶段通过 MoE 参数扩展和基于 GKD 与强化学习模仿的知识播种，把高频短期记忆蒸馏进新解锁的低秩专家，随后重置临时参数；梦境阶段随机激活专家生成合成样本，经梯度筛选后做监督微调与 RL 精炼。
Google 提出的睡眠框架把持续学习拆成记忆巩固与梦境自改进两阶段，并给出多类基准上的对比结果，可供关注模型持续更新与灾难性遗忘的研究者参考。
OpenAI 发布了对三个数学难题的解答，其中一项声称推翻了计算机科学中长期存在的指数时间假设（ETH），Anthropic 随后也发布了自己的反驳。
ETH 属于 P vs NP 问题谱系，它认为某类逻辑难题的最快算法所需时间会随变量数指数增长；两家实验室称其模型找到了亚指数时间的算法。MIT 教授 Ryan Williams 与 ETH 原作者 Russell Impagliazzo、Ramamohan Paturi 等人发布公开信征集反馈，并推动 OpenAI 资助会议讨论。
报道呈现了计算机科学家对 OpenAI 与 Anthropic 声称推翻 ETH 的审慎回应，以及该结论对密码学与既有论文的潜在影响。
OpenAI 表示其模型在数学、计算机科学和物理三个领域产出了证明，并邀请外部专家担任核查者。
计算机科学方面，OpenAI 称已证明复杂性理论中的指数时间假设（ETH）不成立，若成立，大量依赖该假设的论文将失去基础；数学方面，其模型称把局部平滑猜想推广到所有维度，并由此推出 Kakeya 猜想和 Stein 限制猜想；物理方面，其称证明了若干量子场论在四维空间中的存在性，但明确只解决了 Yang-Mills 存在性部分，未涉及质量间隙。OpenAI 已将数学和计算机科学证明翻译为 Lean，并公开原始数据；物理证明暂由 David Gross 等专家小组自行撰写。
OpenAI 称其模型在数学、计算机科学和物理领域产出多项证明，并请外部专家核查，读者可据此了解这些结论的验证方式与争议边界。