每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
LAION drops massive open video dataset with 10 million hours of footage for AI research
「LAION」发布「Big Video Dataset」，包含「8000」万个视频、「1000」万小时时长和「5500」万个自动描述片段，是目前规模最大的开放视频研究数据集之一。用该数据集训练的模型在基准上比「InternVid」最高提升「2.1」个百分点；法律上其非商业研究用途可能受「2024」年汉堡法院裁决支持。这对开源视频模型训练和数据生态是一大利好。
腾讯混元 Hy4 preview 开源，参与“训练自己”！WorkBuddy实测：有了小型团队交付实力，但还得有人盯
腾讯混元「Hy4 preview」宣布开源，并强调可通过「训练自己」机制持续进化；「InfoQ」的「WorkBuddy」实测结果显示，该模型已具备小型团队的交付能力，但在复杂任务中仍需人工盯防。这对关注国内大模型开源和智能体落地的从业者具有参考价值。
「Google Research」推出「WikiSkill」框架，让「AI」智能体在每次运行后将失败与成功经验写入类「Wiki」的持久知识库，从而在后续任务中持续改进。实验显示，较大模型提升更明显，而配备「WikiSkill」的小模型也能达到未使用该框架的大模型性能，为智能体长期记忆与能力积累提供了实用方案。
Anthropic wants to do for physical hardware what its Model Context Protocol did for software
「Anthropic」推出「Model Hardware Standard」，意图像「MCP」统一软件工具那样为机械臂、实验仪器等物理硬件提供统一的智能体接入接口。早期测试中设备集成时间从数周缩短到数小时，但「Claude」在物理因果理解上仍有局限，目前仍需人工监督，显示出软硬件智能体标准化的潜力与挑战。
trunk/4078ac41bdf75d5da306a8214384bfa54c85c4b6: [c10d] Make nccl2 the default NCCL backend (#192281)
「PyTorch」提交将「nccl2」设为默认「NCCL」后端，不再要求用户通过环境变量显式开启。未设置变量或设为「TORCH_DIST_USE_NCCL2=1」时走「nccl2」，设为「0」或显式指定「nccl-legacy」仍可回退；默认切换也暴露出包括跨「rank」复用设备「0」在内的若干兼容性缺口。该变更让新版「NCCL」后端成为分布式训练默认路径，有助于收敛性能与维护成本。
An Anthropic researcher just gave us a peek at self-improving AI
「Anthropic」研究员展示了自我改进「AI」的初步成果：在「10」个针对特定错位行为的基准上，自动化系统均实现性能提升，同时未损害整体表现。这表明通过自动化优化循环可以在不牺牲通用能力的前提下针对性地修正模型行为，对「AI」安全与对齐研究有参考意义。
「Google DeepMind」扩展「Co-Scientist」，使其从单纯的假设生成器发展为能规划实验、操作实验设备并撰写科学论文的实验室研究系统。在材料合成、医学「AI」架构自主开发等三个学科中，这个基于「Gemini」的多智能体系统均产出了经实验验证的结果，标志「AI」科学发现从辅助建议迈向闭环实验执行。
「Triton」发布「3.8.0」版本，涉及前端方言、编译器后端、「AMD/HIP」与「NVIDIA」后端、「Gluon」布局以及性能分析等多个模块的更新。其中「@triton.aggregate」和「@gluon.aggregate」成为公共「API」，聚合类型支持继承字段、默认值、生成构造函数和不可变实例等特性，为「GPU」内核开发提供更强抽象能力。该版本对使用「Triton」编写和优化高性能算子的一线开发者较为重要。
Deploy an Open Model from Checkpoint to Inference in Two Commands with NVIDIA TensorRT Model Connect
「NVIDIA」推出「TensorRT Model Connect」，号称只需两条命令即可将开放模型从检查点部署到推理服务，省去模型特定转换和预处理等繁琐步骤。这对希望快速在原生应用中集成最新开源模型的开发者来说，降低了「TensorRT」推理栈的使用门槛。
「llama.cpp」的「SYCL」后端改进了「--fit」算法，使其更好地遵循「--fit-target」，准确计算给定上下文大小下的实际峰值「VRAM」需求。修复后，报告的上下文大小可能下降但能避免「OOM」，同时减少因过度保守而预留过多显存的问题，该改动已在「Arc B70」上测试。这有助于「SYCL/Intel GPU」用户在显存有限时更合理地分配上下文。
该「PyTorch」提交为流水线并行的调度动作添加「mark_kernels」注释，用于在「CUDA Graph」中标记内核边界。这一改动可改善流水线调度与「CUDA Graph」捕获的兼容性，降低训练时的内核启动开销，对使用「PyTorch」流水线并行的大模型训练用户有实际价值。
「llama.cpp」的「Vulkan」后端合并了重复的「fastdiv」函数，并重命名了用于小除数优化的版本，删除了多余实现。这是代码清理和小幅优化，有助于降低「Vulkan」后端维护复杂度并可能带来轻微性能收益，对使用「Vulkan」推理的用户影响有限但保持代码库健康。
llama.cpp 合并了针对 M1 Max 的 Metal 后端 fa-vec 调优补丁，为 Apple Silicon 上的 flash attention 向量化路径增加特定优化。该变更纳入 macOS Apple Silicon 构建矩阵，有助于提升 M1 Max 设备上的推理吞吐。
该提交将 Vulkan 后端的 mul_mat_id 内核 padding 策略从 N 维改为 K 维。因为该内核通过共享内存查找表间接访问行索引，不会产生行坐标越界，但 K 维缺少边界检查，改 padding 后可避免潜在越界。目前该修复已覆盖多组 Vulkan 构建矩阵。
PyTorch ROCm 相关变更，为 native BMM 外积内核的启动增加保护，以规避 HIP 工作项在特定 shape 或参数下触发的问题。该 guard 主要提升 ROCm 平台上批量矩阵乘法路径的稳定性。
viable/strict/1788025796: [MPS] Fix linear backward SIGABRT with a 1-D weight (#187989)
修复 PyTorch MPS 后端在 linear 权重为 1-D 形状时的反向崩溃。前向已通过 unsqueeze 将权重扩展为 [1, in_features]，反向此前未镜像该处理，导致 rank-1 与 rank-1 非法 matmul，触发 MPSGraph 验证失败 SIGABRT。修复后 1-D 权重的线性层在 macOS GPU 上可正常求导训练。
与 #187989 相同的 MPS 修复合入 trunk：解决 linear 使用 1-D 权重时反向传播将 grad_input 与 grad_weight 降为非法 rank-1 matmul，从而避免 MPSGraph 验证阶段的 SIGABRT。该补丁对齐了前向的 unsqueeze 语义，使 macOS GPU 训练更稳定。
viable/strict/1788024140: Revert "[c10d] Make nccl2 the default NCCL backend (#192281)"
PyTorch 自动回滚了将 nccl2 设为默认 NCCL 后端的 PR #192281。该操作由 pytorch-auto-revert 自动触发，说明变更可能引发内部或 CI 问题，分布式训练用户可继续默认使用原有 NCCL 后端路径。
AI本地部署不如官方版的元凶找到了：734个依赖包，每一个都可能坑
文章指出本地部署模型输出与官方版不一致的常见根源在于整个推理软件栈差异，涉及 734 个依赖包。任意依赖版本的微小变化都可能改变最终 token 输出，提示从业者在本地复现官方结果时必须严格控制环境一致性。
Nvidia’s AI advantage is moving beyond the GPU
Nvidia 的 AI 竞争力正从单纯 GPU 算力扩展到数据中心系统级能力。新一代系统通过更智能的流量控制与互连调度来提升效率，而不是只靠增加处理器周期，说明网络和系统架构正成为 AI 基础设施的关键壁垒。
Claude开始训练Claude！4美元一小时，跑赢150美元人类研究员
量子位报道 Claude 开始参与训练 Claude 自身，成本约 4 美元一小时，表现超过 150 美元一小时的人类研究员。这种 AI 自进化路径有望显著降低高质量模型迭代所需的研究成本。
阿里 Qoder 将编码能力开放给非程序员，强调 Coding 正在变成 AI 世界的数字执行力。该工具或模型让用户以自然语言驱动可执行任务，降低创意落地的门槛。
trunk/454d00cb0b23ad1da94e7ca96a7af69fbe3e2269
PyTorch 修复 XPU Inductor loader fallback 路径中的外部运行库路径保留问题，可避免在 Intel GPU 等加速器上动态加载运行库时路径丢失。该变更提升 XPU 编译与运行时的库解析稳定性。
修复 C++ meta tensor 构造函数在 Meta 快捷路径直接返回、绕过 FakeTensorMode 派发的问题。现在保留零 CPU 分配的快捷路径，同时继续走 lift_fresh 逻辑，并区分请求设备与实际构造设备，确保 storage-backed 输入在设备移动时正确。
viable/strict/1787985328: Revert "Drop unused includes in c10 (#194959)"
回滚了 c10 清理未使用头文件的 PR #194959，因为移除 c10/util/Exception.cpp 中的头文件导致内部构建报错 std::cerr 未声明。说明即使静态分析提示 unused，仍可能隐藏实际的符号依赖。
PyTorch 刷新了 pr_time_benchmarks 中的 add_loop_eager_dynamic 和 add_loop_inductor 基准数据，用于跟踪 eager 与 Inductor 动态路径的性能变化。此类基准更新为持续性能回归监控提供基线。
b10680: snapdragon: python SDK setup (Windows) (#27903)
llama.cpp 将 Snapdragon 平台的 Windows SDK 安装脚本从 PowerShell 移植到 Python setup-sdk.py，方便安装 Hexagon 与 OpenCL SDK。同时重命名脚本并修正日志输出，提升高通平台在 Windows 上的开发体验。
llama.cpp 的 bench 工具新增 --tensor-read-lazy 选项，并将相关 lazy mode 别名重命名为 LLAMA_LAZY_MODE_*。该选项有助于按需读取张量，可能降低测试或运行时的显存压力。
llama.cpp 针对 qwen4exp 模型减少了计算图切分数量，以降低调度开销并提升推理效率。该优化对 Qwen 系列实验模型的部署性能有直接帮助。
Spreading the load: How Salesforce met Multi-AZ HA with SageMaker Inference Components
Salesforce 借助 SageMaker Inference Component 的 SchedulingConfig 参数将模型副本分布到多个可用区，实现 Multi-AZ 高可用合规。该方法保留多模型共宿主机的成本优势，无需牺牲效率即可满足高可用要求。
InfoQ 中文讨论了 Agent 时代为什么有人开始重新构建类似 Google 的信息入口。随着智能体需要结构化、可调用的信息源，搜索和浏览的交互模式可能被重新定义，催生新的信息聚合平台。
Ollama v0.33.2 发布，app 恢复跟随系统外观并修复深色模式，macOS 应用会正确交接给已运行实例，避免启动第二个进程。同时 Claude Desktop 代理在模型目录更新时不再中断进行中的请求。
InfoQ 中文从用户体验角度探讨 Agentic OS 的下一层抽象，分析智能体操作系统在交互方式、界面组织和信息架构上应如何适配多智能体工作流。文章关注的是面向用户的操作系统层抽象而非底层框架。
千问办公实现 Token 消耗减少 75%，形成新的成本节省模式。这对将千问用于文档处理、表格分析等办公场景的团队有直接参考价值，也在大模型推理成本优化上提供了实践案例。
How Decathlon runs demand forecasting at scale with Chronos-2
迪卡侬在 AWS 上部署 Chronos-2 进行大规模周度需求预测，覆盖数万种产品和多个大洲。该方案将预测准确率提升 11 到 15 个百分点，并在仅用 CPU 实例的情况下每周推理成本约 0.03 美元，同时降低运维复杂度。
Understanding Evolution Strategies for LLM Reasoning: Broader Reasoning Coverage than GRPO
针对「GRPO」在推理多样性上的局限，该工作探索进化策略，通过稀疏功能更新和维持种群多样性，使模型在推理任务中覆盖更广的解空间并提升「Pass@K」指标。结果表明这种进化式训练可与现有强化学习方法形成混合方案，为提升大模型推理覆盖率和探索效率提供新思路。
Agentic Game Development as a Verifiable Trajectory Data Engine for Scaling World Models
该工作提出把游戏开发当作可验证轨迹数据引擎，利用游戏引擎的可执行验证能力生成长程交互轨迹，服务于空间世界模型的强化学习后训练。这种思路将人的工程验证引入数据生成闭环，有望规模化地产出适合世界模型训练的高质量监督信号。
TTPO: Test-Time Policy Optimization
针对测试时无法获得标签的问题，「TTPO」提出在推理阶段对策略进行优化：对多次「rollout」中答案一致的样本进行非对称蒸馏，对不一致样本施加惩罚，从而无需人工标注即可调整模型。在数学推理任务上，该方法达到了与监督训练相当的性能，为测试时自适应和持续改进提供了新途径。
Self-OPD: On-Policy Distillation for Flow Matching Models without Teacher
针对流匹配模型通常依赖任务专属教师模型的问题，「Self-OPD」提出无教师的在策略蒸馏：通过自探索产生的随机分支和归一化优势函数来优化速度场，实现多目标对齐。这样既省去了额外教师模型的训练和部署成本，又能在策略更新中稳定提升生成质量与目标一致性。
What Makes Good Agentic Data? An ACE Lens on Data Generation for LLM Agents
该论文从「ACE」视角重新框架智能体数据生成，将其视为对分解后的经验元组进行约束分布设计。作者指出高质量智能体数据应具备执行可验证的准确性、相对学习者能力的复杂度以及充分的多样性，而不是单纯追求数据规模。这为构建高效智能体训练集提供了可操作的筛选与合成原则。
PILOT in the Loop: Live Self-Improvement for Long-Horizon Agents
针对长程智能体难以在线自我改进的问题，「PILOT」框架引入人在环监督：监督者可以实时引导正在执行任务的「worker」，系统再将执行经验蒸馏成可复用技能。这种闭环使智能体在长任务中持续提升准确率和效率，并在后续任务中复用已学技能。
JIT-Agent: Scaling Harness Intelligence via Just-in-Time Harness Evolution
该工作针对现有「LLM」智能体依赖固定「harness」导致跨模型泛化差的问题，提出可训练的「JIT-Agent」，它能根据具体模型和任务即时合成自适应「harness」。这一方法无需修改基础「LLM」即可提升多模型多任务上的智能体表现，增强了「harness」的智能化和可扩展性。
Is Next-Chunk Reasoning RL Really Better than SFT? Revisiting Training Strategies under no-CoT Data
针对无思维链数据场景下「下一块推理强化学习是否优于监督微调」的争论，该研究重新对比了两种训练策略。实验发现，在混合了多种推理语料的监督微调上训练，其效率和最终准确率均超过下一块推理强化学习，且在数学及分布外任务中同样成立。这提示在某些数据受限情况下，精心组织的「SFT」可能是更优选择。
PAWBench: How Far Are We from Probabilistically Aligned World Modeling?
该工作将世界模型的概率对齐问题形式化，提出用「PAWBench」和「PAWEval」基准把视频生成器当作随机采样器来评估，看其输出分布是否与参考行为分布一致。评测显示当前视频生成模型在概率对齐上明显不足，未能匹配参考分布，揭示了世界模型在随机行为和分布级建模上的短板。
UrbanGround: From Local Perception to Spatial Agency in a Real-Scale City
该研究构建了一个真实尺度的「3D」城市环境「UrbanGround」，用来检验多模态语言模型智能体能否维持可靠的导航与空间推理。结果发现，虽然模型在局部感知任务上表现尚可，但这些局部技能难以组合成持续的、目标导向的空间行为。这暴露了从感知到空间自主行动之间的能力断层，为后续空间智能体研究提供基准。
Training Agents to Evolve with Their Harness: TaoLive Digital Avatar Agent Technical Report
该技术报告提出「Harness-Aware Training」，让紧凑模型能够在数字分身「harness」配置不断演化的条件下保持适配，实现低延迟和高准确率的智能体行为。相比固定训练模式，这种方法使模型能随环境编排变化动态调整，适合实时数字人场景。
GameWAM: A World Action Model for Video Games
针对视频游戏原生控制，「GameWAM」提出统一的世界-动作模型，联合预测未来画面和可执行的键盘鼠标动作。技术上采用块因果流匹配、模态特定分布以及块周期重规划，使模型能直接输出可操作的键鼠控制。这为通用游戏智能体提供了一种从视觉观察到动作执行的端到端建模路径。
Zero-WAM: In-Context World-Action Modeling from Human Videos for Open-Ended Task Generalization
针对机器人难以泛化到开放任务的问题，「Zero-WAM」提出以人类示范视频作为上下文条件，驱动因果视频-动作模型完成对未见任务的操控。该方法配套自动生成的数据集和未来块预测目标，使机器人无需针对新任务重新训练即可利用人类演示泛化执行。
WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution
该工作提出「WikiSkill」框架，通过让可复用智能体技能与持久的「wiki」式知识库共同演化，系统性地积累每次执行的成功与失败经验。模型在后续任务中检索并运用这些知识，从而跨模型提升智能体性能。它为智能体长期记忆和技能演化提供了一种可扩展的机制。
CritICL: Inference-Time Weak-to-Strong Generalization from Small Language Model Failure Modes
该论文提出「CritICL」，一种推理时的弱到强泛化方法：从较小语言模型的结构化失败模式中提取批判性指导，用于改善大模型的推理过程。与需要完整生成或额外标注训练相比，「CritICL」在推理时即可干预，并降低生成步骤和「token」成本，适合低成本提升推理能力。
CaSKG: Counterfactual-Causal Skill Graphs for Scalable Agent Skill Retrieval
针对智能体技能检索中关系不准确和规模扩大的问题，「CaSKG」提出用反事实因果图来校准程序性技能之间的依赖与顺序关系。这样得到的技能图更紧凑且可执行，能够提升「LLM」智能体在技能选择和组合时的检索质量，支持可扩展的技能库管理。
EditaLive! Unified Character Video Editing for Live Streaming
该工作解决了人物直播视频实时编辑的难题，「EditaLive」将图像动画模型改造为因果流式生成架构，并引入蒸馏的两步采样与稀疏注意力。这使得模型能在直播场景下以实时速度完成统一的人物视频编辑，同时保持较好的编辑质量，为直播特效和虚拟人应用提供支持。
VBVR-Pro: A Scalable and Verifiable Suite for Native Visual Reasoning
该工作推出一个面向原生视觉推理的闭环节测试平台，通过跨多种视觉基底的生成过程，实现可扩展、可验证且可控的推理评测。它让研究人员可以在统一框架下衡量模型从生成到验证的完整闭环能力，弥补现有视觉推理基准难以控制变量的问题。
VGI-Bench: Probing Visual Intelligence in Video Generation Models
「VGI-Bench」通过「27」项任务系统探测视频生成模型内部的视觉推理能力，覆盖多种可能考察的场景。评测结果显示当前视频生成模型在视觉推理的可靠性和自我纠正能力上仍很有限，为理解视频模型的认知能力提供了量化依据。
FrontierChallenge: Evaluating Scientific Workflow Completion
「FrontierChallenge」构建了跨多个领域的端到端科学工作流评测，考察前沿模型能否真正完成从问题到结果的全流程。结果发现，尽管模型经常宣称完成并取得较高的部分分数，实际端到端完成率只有约「20%」，揭示了当前模型在复杂科学任务上的可靠性差距。