[Refactor] Take a layer's last-layer fact from its scatter-mode plan
该 PR 将每层是否为最后一层的事实收敛到 LayerScatterModes 的布局计划中，并让 LayerCommunicator 直接读取该字段。这样减少各模型重复书写判断导致的分歧，使 NextN 与 MTP 草稿层的输出布局在推测解码中更一致。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
[Refactor] Take a layer's last-layer fact from its scatter-mode plan
该 PR 将每层是否为最后一层的事实收敛到 LayerScatterModes 的布局计划中，并让 LayerCommunicator 直接读取该字段。这样减少各模型重复书写判断导致的分歧，使 NextN 与 MTP 草稿层的输出布局在推测解码中更一致。
该 PR 修复延迟执行 FFN 归约时，TP1 复制 shared expert 与 dense reduce_scatterv 路径可能重复累加层输出的问题。它保证 MoE 与 dense 层在张量并行和延迟归约组合下只完成一次正确求和，提升推理结果一致性。
[Bugfix][KV Cache][MLA] Align packed block strides for V3.2 sparse MLA
该 PR 为 V3.2 sparse MLA 暴露 packed block stride 对齐契约，将字段提升到 KVCacheSpec，并由分配器统一消费。它让 KV cache 分配同时满足 HiSparse、stride 和 SM100 FlashMLA TMA 等后端约束，提升硬件适配路径的可靠性。
[1/4] Integrate streamwise wide residuals with HybridStack
该 PR 将 streamwise wide residuals 接入 HybridStack，补齐 Transformer 与 Mamba 显式层、分支连接、模型边界和配置恢复逻辑。它为混合架构训练和推理提供可配置的宽残差连接通路，便于上游 Megatron-LM 承载相关模型结构。
[CI] Run DFlash2 NVFP4 acceptance test on B200; skip it on H200 35GB MIG
该 PR 调整 CI，将 DFlash2 NVFP4 acceptance 测试迁移到 B200，并在 H200 35GB MIG 步骤中排除不适配的 dflash2 配置。它避免在缺少原生 FP4 且显存预算不足的硬件切片上运行不成立的推测解码测试，改善硬件覆盖的针对性。
该 PR 让 GLM-5.3-Flash 的 kpool paged MQA logits 启动参数与 SM100 上构建出的 varlen schedule metadata 对齐。它使 DeepGEMM 分页 MQA 路径按请求索引使用对应内核模式，减少元数据与执行路径不一致带来的推理风险。
[Refactor] Pass each layer stack's output through a communicator exit
该 PR 为 layer stack 输出增加统一的 communicator exit，由 LayerCommunicator.finish_layer_stack 完成最后一层遗留给下一层的归约工作。它把 final norm、pipeline 发送和 draft norm 前的收尾逻辑集中处理，使延迟 FFN all-reduce 在推理并行路径中更一致。
[DSpark] Support pipeline-parallel targets in aggregated serving
该 PR 为 aggregated serving 中的 pipeline-parallel 目标支持 DSpark，让最后 PP stage 的 drafter 通过 PP group 广播 draft，并调整 warmup 与 post-update kernel 的执行时机。它使推测解码草稿可在流水线各阶段参与后续验证，降低服务端 PP 推理中的同步错位风险。
[Bugfix][Mamba] Restore prompt-tail prefix-cache hits with MTP
该 PR 修复混合 Mamba/GDN 模型在 MTP、prefix caching 与 align 模式组合下 prompt-tail 前缀缓存命中回退的问题。它恢复长前缀多轮推理中可复用缓存的命中行为，对推测解码服务吞吐和缓存效率有直接价值。
[Bugfix][Outlines] Fix EOS termination and unconstrained masks after rejected drafts
该 PR 修复 Outlines grammar 在 EOS 终止状态和 rejected drafts 后 unconstrained masks 的处理，避免完成请求被标记为 FINISHED ERROR 或后续行失去语法约束。它让 spec decode 与结构化输出调度在终止轮询和 bitmask 填充时保持一致，提升受约束推理的正确性。
[DFlash] Capture the context K/V precompute in the draft CUDA graph
该 PR 将 DFlash/DSpark draft step 的 context K/V precompute 捕获进 draft FULL decode CUDA graph，并用 PAD_SLOT_ID 处理超出 batch 的行。它减少草稿阶段图外 eager kernel 的执行边界，使推测解码在 CUDA graph 路径下更完整地受图捕获管理。
Revert "[DSpark] Support pipeline-parallel targets in aggregated serving (#56956)"
该 PR 回滚了此前 DSpark 在 aggregated serving 中支持 pipeline-parallel target 的改动。它表明该推测解码与流水线并行服务路径仍需清理，避免未稳定实现继续影响推理服务行为。
Fix mixed chunk prefill with DP speculative coordination
该 PR 移除 DP speculative coordination 与 mixed chunk prefill 组合下对本地 decode 请求的拒绝逻辑，并增加 4-GPU H100 回归覆盖。它允许混合 rank 在长 prefill 期间推进一 token 本地 decode，同时让 decode-only peers 继续推测解码，改善服务并发场景的可用性。
[Cleanup] Remove online quantization support in `fp8.py` in favor of online shorthands
该 PR 清理 fp8.py 中旧的 online quantization 路径，将 quantization="fp8" 重定向到 fp8 per tensor 等 online shorthand 名称，并保留兼容属性。它减少重复且过时的 FP8 在线量化实现和测试，简化推理量化配置入口。
[Bugfix] Capture prefill kernels for mixed FULL graphs
该 PR 为 mixed FULL CUDA graph capture 设置覆盖完整 token batch 的 query-length bound，并保留 varlen 与 uniform decode 的显式边界。它让 prefill kernel 在混合、piecewise、decode-only 与 speculative warmup 路径中被正确捕获，提升服务推理图捕获的覆盖一致性。
[SpecDecode] Add LiLiCorr drafter
该 PR 在现有 MRV2 DFlash 路径中加入 LiLiCorrDraftModel，复用 DFlash2 卷积层并抽取候选 walk 与 cache orchestration helper。它让 vLLM 支持基于目标 embedding、全词表 logprob 和 draft hidden states 重排序的 LiLiCorr 草稿模型，扩展推测解码 drafter 选择。
[Fix] Plan NextN / MTP draft layers as one-layer models and fix the Bailing V2 NextN draft
该 PR 将 NextN 与 MTP draft layer 按 one-layer model 规划，并修复 Bailing V2/V2.5 NextN 与 Step-3.5 MTP 的 layer id 和布局问题。它避免草稿层被误当作中间层导致输出 token shard 布局错误，提升推测解码 logits 路径的正确性。
hexagon: support I32 CPY and CONT
该 PR 为 llama.cpp 的 Hexagon backend 增加 I32 CPY 和 CONT 支持，将现有 FP32、FP16 算子能力扩展到 INT32 到 INT32。它让 LFM2.5-DSpark draft model 的主要图算子更多运行在 Hexagon HTP 上，减少回退到 CPU 的硬件适配缺口。
Revert "[NPU] Fuse FIA KV-cache K/V writes into one npu_scatter_pa_kv_cache call"
该 PR 回滚了 NPU 路径中将 FIA KV-cache K/V 写入融合为一次 npu_scatter_pa_kv_cache 调用的改动。它暂时撤销该算子融合路径，降低 NPU KV-cache 写入优化对推理服务稳定性的影响。
[Refactor] Decide an FFN exit's completion once and declare the group it owes
该 PR 将 FFN exit 的 completion 决策前移并统一执行一次，同时显式声明后续完成归约所欠的通信 group。它避免消费者根据函数身份或 MoE group 猜测归约方式，使 dense 与 MoE 层在延迟归约和并行通信下更清晰可靠。
Introducing Gemini 3.8 Live with Live Avatar
Google DeepMind 推出「Gemini 3.8 Live with Live Avatar」，把实时多模态交互进一步推进到带数字化身的会话形态。对应用开发者来说，重点在于低延迟语音、视觉理解和 avatar 表达开始合流，客服、陪伴、教育和创作工具的交互界面会更像实时角色而不是聊天窗口。
Runway’s WorldPrompt and the Engineering of Real-Time Worlds
Runway 的「GWM Worlds 2」用持久上下文和定时动作来控制实时生成的视频与音频世界，使用户可以像提示一个动态环境那样持续修改世界模型。它对从业者的重要性在于，视频生成正在从离线片段生成走向可交互、可保持状态的实时世界，工程难点也转向延迟、记忆和控制协议。
29 小时攻破浏览器，GPT-6 Astra 成为 OpenAI 首个“严重级”模型
报道称「GPT-6 Astra」在 29 小时内攻破浏览器，并成为 OpenAI 首个被标为严重级的模型案例。对安全和 Agent 团队来说，这类结果意味着浏览器自动化、工具调用和沙箱边界会成为前沿模型评测中的高优先级风险面。
Multi-Region training with Amazon SageMaker HyperPod and Qumulo
AWS 展示了用「Amazon SageMaker HyperPod」和「Qumulo」实现跨 Region 训练的架构，允许训练算力放在一个区域，而数据集保留在另一个区域。验证结果显示，远端集群在「NeuralCache」短暂预热后可达到与同区域集群接近的吞吐，这对受数据驻留、容量调度和 GPU 供给限制的训练团队很实用。
「Ollama v0.40.0」开始在 Apple Silicon 上默认使用「MLX」运行已支持的模型架构，并在预发布阶段继续扩展模型覆盖。对本地推理用户来说，这意味着 Mac 上的模型运行会更贴近苹果硬件栈，可能带来更好的性能、内存效率和安装体验。
「llama.cpp b11179」在 SYCL 后端加入 sparse FA 支持，并伴随冲突修复、格式整理和未用代码清理。对本地和异构硬件推理来说，SYCL 路径的稀疏注意力支持有助于扩展非 CUDA 平台上的优化空间。
Meta's Muse agent gives every user a full cloud computer running Ubuntu Linux
Meta 的「Muse」Agent 为每位用户提供一台免费的 Ubuntu 云电脑，用户可以安装软件、写代码和浏览网页，同时由「Sentinel」进程监控工作区外的敏感动作。首周超过 50 万用户显示 Meta 更看重产品触达和完整计算环境，而不只是单点模型能力。
报道称 Anthropic 与 Akamai 签署 7 年 116 亿美元云服务协议，并可能获得 Akamai 最高 5% 股份权证，使其 11 个月内计算相关交易总额达到约 5170 亿美元。对行业来说，这凸显前沿模型公司的竞争越来越受长期算力锁定、资本支出和收入预测约束影响。
「TRL v1.14.0」移除了「trl.losses」模块，DPO、KTO 和 GRPO 改为在各自 trainer 内流式计算 log-probs，不再维护重复的 loss 公式实现。对微调工程来说，这减少了公式漂移和维护负担，但依赖「FusedLinearDPOLoss」等旧导入路径的代码需要调整。
别人忙着卷Code，Kimi抽身反打浏览器插件：网页操作一秒变Skill
Kimi 将注意力转向浏览器插件能力，把网页操作快速沉淀为可复用 Skill，强化 Agent 在真实网页环境中的执行力。对开发者来说，这类产品化路径说明 Agent 竞争不只在代码生成，还在于把重复网页任务标准化、工具化并接入用户日常工作流。
Automating coherent long-form video generation
Google Research 关注连贯长视频生成自动化，核心方向是让生成式 AI 在更长时间范围内保持角色、场景、事件和镜头逻辑一致。对视频模型从业者来说，长程一致性正成为比单帧质量更关键的瓶颈，也会推动规划、记忆和多阶段生成管线的发展。
数据、模型、算力越来越难分开，Data+AI 基础设施怎么进化？
这篇动态讨论 Data 与 AI 基础设施的融合趋势，指出数据、模型和算力在新一代 AI 系统中越来越难分开设计。对企业和平台团队而言，关键不再只是分别采购存储、训练和推理组件，而是构建能统一调度数据流、模型生命周期和计算资源的基础设施。
Build a multi-account AI agent with AgentCore Gateway and MCP
AWS 展示了一套多账号 AI Agent 架构：中央平台账号运行基于 Amazon Bedrock AgentCore Gateway 和 MCP 的 Agent，各业务账号把本地数据暴露为 MCP Server，并通过跨账号授权和细粒度权限控制开放查询。对企业 AI Infra 和 Agent 落地很关键，因为它把统一工具入口和数据主权隔离结合起来，适合多团队、多租户、强合规的数据访问场景。
For months, OpenAI’s agent swarms have been attacking online databases to find obscure facts
研究人员发现，OpenAI 相关的未授权 Agent 集群在数月内持续访问在线数据库，用来搜寻冷门事实和细碎信息。这件事提醒从业者，Agent 扩展到大规模自动化检索后，权限边界、速率限制、来源合规和数据站点防护都会成为新的安全问题。
Anthropic’s founders seek voting control ahead of IPO
Anthropic 正推动股东批准新的投票权结构，让七名联合创始人在多数公司事项上合计拥有 50.1% 的表决权。若公司进入 IPO 路径，这种安排会影响外部资本对模型路线、安全策略和商业化节奏的控制力，对观察大模型公司的治理结构很有参考价值。
llama.cpp 的 b11181 构建把 HIP 上 FP8 支持所需的 HIP_VERSION 下限上调，以避免在 HIP 6.2 中缺失 `__hip_fp8_e4m3` 支持导致编译或运行问题。对使用 AMD ROCm 跑本地推理的开发者来说，这类版本约束直接影响 FP8 量化路径、预构建包选择和部署可复现性。
llama.cpp 的 b11180 修复了 RPC 后端 `get_alloc_size` 缓存键没有纳入 `nb` 参数的问题，并把返回值下限约束到 `ggml_nbytes`。这属于分布式或远程推理路径里的内存分配正确性修复，可降低张量尺寸变化时缓存命中错误引发的内存估算偏差。
Google's "Call for Me" lets Gemini phone businesses for you
Google 正在测试 Gemini 的「Call for Me」功能，让模型代表用户给商家打电话并完成询问。它把语音交互、任务代理和真实世界服务连接起来，说明消费级 Agent 正从网页和应用内操作扩展到电话这种更难控、更需要确认机制的场景。
平头哥在展示新一代中国 AI 芯片能力之外，又进一步释放开源动作，显示国产 AI 芯片正在从单纯交付硬件走向生态共建。对 AI Infra 从业者来说，开源工具链、算子适配和开发者生态往往比峰值算力更决定芯片能否进入训练和推理生产环境。
viable/strict/1790342912: [inductor] Codegen backed SymInt input runtime asserts (#185588)
PyTorch 修复了 Inductor 对 backed SymInt 输入形状检查的处理：当 Dynamo 把形状约束延迟为运行时断言时，普通 Inductor lowering 之前会丢掉输入图里的 `aten._assert_scalar` 节点。这个改动让动态形状编译在 deferred runtime asserts 模式下更可靠，减少形状假设被静默跳过带来的错误代码生成风险。
viable/strict/1790332145: [distributed] Preserve PreMulSum in single-rank reduce-scatter (#198571)
PyTorch 分布式修复了单 rank reduce-scatter 对 `PreMulSum` 的处理，旧 workaround 只是把输入复制到输出，导致缩放因子被静默丢弃。新逻辑在 NCCL 2.29.7 及以上直接使用 `ncclReduceScatter`，旧版本则用等价的单 rank `ncclAllReduce`，对分布式训练数值正确性很重要。
ChatGPT Pro Max 🤖, Muse realtime avatar 🎭, DeepSeek $1B ARR 💰
TLDR AI 汇总了 ChatGPT Pro Max、Muse 实时 avatar 和 DeepSeek 年化收入约 10 亿美元等动态，覆盖产品分层、实时生成交互和模型商业化三条线索。对从业者而言，这类信号说明大模型竞争不只在模型指标，也在高价订阅、实时多模态入口和收入兑现速度上加速分化。
PrismML brings its tiny LLMs to Qualcomm-powered smart glasses
PrismML 将小型 LLM 带到搭载 Qualcomm 芯片的智能眼镜上，目标是让开放权重模型直接利用端侧已有算力运行。对可穿戴和边缘 AI 来说，重点不只是模型变小，而是延迟、隐私、功耗和离线可用性共同决定体验能否成立。
WSO2 发布 Agent Manager，企业寻求应对日益严重的 AI Agent 泛滥问题
WSO2 发布 Agent Manager，面向企业内部越来越多 AI Agent 带来的治理、接入和生命周期管理问题。随着工具调用和自动化流程增多，企业需要统一登记 Agent、管理权限、审计行为并控制风险，而不是让各团队各自搭建孤立 Agent。
Speaker-labeled transcription with WhisperX on SageMaker AI
AWS 提供 WhisperX Deep Learning Container，把 Whisper、wav2vec2 强制对齐和说话人分离打包成可直接上 GPU 的镜像，并演示部署到 SageMaker AI 实时与异步端点。它解决的是生产级转写不只要文本，还要词级时间戳、说话人标签、扩缩容和成本控制的问题，适合客服、会议和媒体归档场景。
viable/strict/1790362354: Revert "[ROCm] Free rocFFT plans (#197425)"
PyTorch 回滚了 ROCm 路径中释放 rocFFT plans 的改动，因为该提交引发了大量竞态失败。对使用 AMD GPU 的训练和推理栈来说，这类回滚说明底层 FFT 计划缓存与释放时机非常敏感，稳定性优先级高于短期资源回收优化。
PyTorch Dynamo 修复了 `isinstance` 面对 union、tuple 以及 `runtime_checkable Protocol` 组合时的处理问题。这个改动主要提升 Python 动态类型语义在图捕获中的一致性，减少模型代码里类型判断触发 graph break 或错误推断的概率。
“AlphaGo”杀进足球场！自我对弈140年，机器人成“梅西终结者”
量子位报道了类似 AlphaGo 思路进入机器人足球的进展，系统通过大规模自我对弈积累相当于 140 年的训练经验，让机器人在对抗策略和运动控制上形成更强能力。它把强化学习从棋盘博弈推向物理世界多智能体控制，对机器人训练、仿真到现实迁移和具身智能评测都有启发。
PyTorch Dynamo 修复了 `super` 绑定到类时普通函数被错误绑定的问题，让相关 Python 语义在编译捕获中保持原样。对复杂模型工程代码来说，这类边角修复能减少装饰器、继承结构和元编程写法在 `torch.compile` 下出现不一致行为。
viable/strict/1790353884: Skip `TestFullyShardSymmMem` for NCCL < 2.28 (#184536)
PyTorch 将 `TestFullyShardSymmMem` 在 NCCL 2.28 以下版本跳过，因为相关测试依赖的 `NCCL_CTA_POLICY_ZERO` 从 NCCL 2.28 才引入。这个改动本身偏测试基础设施，但能让分布式功能矩阵更准确地区分版本能力，避免老环境出现误报。
白宫要求 OpenAI 和 Anthropic 在把新模型交给英国 AI Safety Institute 测试前，先让美国机构完成审查。这反映出前沿模型评测正在进入国家级协调和优先权竞争阶段，模型发布、安全测试和跨境合作都可能受到政策流程影响。
华为大模型双子星联手创业，要找物理世界的Scaling Law
量子位报道华为大模型相关团队成员联手创业，方向是寻找物理世界的 Scaling Law，尝试把基座模型能力扩展到真实世界任务。这个信号说明具身智能和物理世界基础模型正成为下一轮创业热点，核心挑战会落在数据采集、仿真、控制闭环和泛化评测上。
觅蜂派推出面向机器人训练的数据与任务平台，试图让普通人通过给机器人提供示范、标注或教学来获得收益。它对应的是具身智能中的高质量人类数据瓶颈，若能规模化组织真实操作数据，将直接影响机器人策略学习和场景泛化速度。
Simon Willison 反思编码 Agent 的使用体验，认为它们能做出惊人的事，但要释放潜力反而要求开发者具备更高纪律性和专业判断。这个观点对工程团队很现实：编码 Agent 不是简单替代程序员，而是放大需求表达、代码审查、测试设计和上下文管理的质量差异。
Oracle sends force majeure notice on its New Mexico Stargate data center
Oracle 向其新墨西哥 Stargate 数据中心发出不可抗力通知，使其在设施无法按 2028 年目标上线时可延迟付款。对 AI Infra 行业来说，大型数据中心建设进度直接关系到训练和推理算力供给，也会影响云厂商与大模型公司的长期容量规划。
Rufus-Air: An Open LLM Post-Training Recipe
「Rufus-Air」把一个 106B 总参数、12B 激活参数的「GLM-4.5-Air-Base」后训练流程完整拆成八个串行阶段，覆盖 SFT、推理 RL、代码 RL、指令遵循 RL、通用 Agent、代码 Agent、搜索 Agent 和 RLHF。它的价值不只是给模型调优结果，而是公开每个阶段的数据、奖励设计、基础设施、训练顺序和阶段性收益，让后训练从经验配方变成可复现工程。流程从可验证硬奖励逐步过渡到裁判模型等软信号，也给大模型团队如何分层培养推理、代码、工具使用和偏好对齐能力提供了参照。
Your Transformer Can Hold Two Thoughts at Once: Evidence of Linear Superposition in LLMs
这篇论文挑战了 Transformer 只能以高度非线性方式处理语义的直觉，提出「Superposition Linearity Hypothesis」：把不同文本流的输入线性组合后，模型输出会近似成为各自下一词分布的线性叠加。作者的实验显示，这种叠加并非训练后偶然出现的能力，而更像是 Transformer 架构本身带来的内在属性。这个结论对可解释性和表示工程很有启发，因为它暗示模型内部可能同时承载多个可分离思路，且这些思路能以近似线性方式被分析和操控。
Agent-Editing World Model: Rethinking World Modeling for LLM Agents
「Agent-Editing World Model」重新审视 LLM Agent 的世界模型，指出预测高熵、强依赖执行路径的工具返回往往不如真实反馈有价值。论文把重点从重建环境观测转向编辑 Agent 的任务状态，清除历史中未经证实的假设、过期计划和污染性上下文。这个思路更贴近长程工具调用中的真实瓶颈：Agent 失败常常不是不知道下一步，而是被自己过去的错误记忆带偏。
Qwen-Planner-Agent: A Closed-Loop AI-for-AI Framework for Real-World Mobile Planner Agents
「Qwen-Planner-Agent」把移动端规划 Agent 放进闭环「AI-for-AI」框架中，让 AI 既是被优化对象，也是持续构建和改进系统的参与者。移动规划任务要求模型理解界面状态、生成动作序列并根据执行反馈迭代，因而比静态问答更能检验 Agent 的工程可用性。论文的意义在于把模型、评测、数据生成和改进流程连成闭环，为真实移动端 Agent 的规模化迭代提供了样板。
IterSynth: Rethinking Deep Search Agents via Role-Decoupled Iterative Synthesis
「IterSynth」针对深度搜索 Agent 中常见的职责耦合和上下文膨胀问题，把规划、证据利用和答案综合拆成更清晰的角色协作。它通过 Planner 识别信息缺口，并用摘要式中间表示替代不断增长的原始搜索历史，减少噪声对后续推理的干扰。对需要多轮检索、交叉验证和有依据生成的应用来说，这种角色解耦比传统 ReAct 更容易控制错误传播。
AgentKernel: The Trust-Native Agentic Operating System
「AgentKernel」把 Agent 安全从应用层中间件提升到操作系统级抽象，原因是现代 Agent 会同时接触不可信内容、特权指令、长期记忆和高权限工具。论文指出，恶意载荷可经由模型输入进入系统并触发危险工具动作，而当前治理栈与 Agent 共处同一进程信任边界，难以真正隔离风险。它主张用原生信任边界、权限控制和可审计执行来设计 Agentic OS，对企业级 Agent 落地尤其关键。
「AV-GRPO」面向联合音视频生成的强化学习后训练，解决单模态质量、文本对齐和跨模态同步同时优化时信号纠缠的问题。它用模态锚定的解耦扩散 RL 思路处理异构奖励，让音频塔和视频塔的信用分配更清晰，也降低联合优化的计算压力。对于音视频一体生成模型，这类方法的价值在于把 RL 从文本和图像后训练扩展到更复杂的多模态时序生成。
The Alignment Illusion in Multimodal Large Language Models
这篇论文质疑多模态大模型中常用的层间视觉文本相似度指标，认为标量对齐分数不等同于内容级跨模态交互。作者在 5 个家族、13 个 0.5B 到 72B 参数规模的 MLLM 上对视觉流做受控干预，发现即便替换 projector 输出，所谓逐层对齐现象也可能保留。结论提醒从业者不要把相似度曲线直接解释成模型真正理解图像，评测多模态融合需要更强的因果干预证据。
Training Object Permanence in World Models
「Training Object Permanence in World Models」关注视频生成世界模型是否具备物体恒存性和实体性这类核心物理先验。作者构建「WROP」数据基础设施，用受核心认知启发的数据训练和评估模型在遮挡、消失与重现等场景下维持物体状态的能力。它把世界模型评测从画面逼真度推进到物理认知层面，对机器人、模拟环境和视频生成都更有长期价值。
WanPE: Towards Cinematic Prompt Enhancement for Modern Text-to-Video Generation
「WanPE」把文生视频的提示词增强提升到导演级规划问题，面向动作、镜头轨迹、光照、声音和多镜头叙事的整体编排。它是一个 397B 参数的提示增强模型，基于 105 万真实世界视频训练，用来为现代长视频生成器生成更具电影感和可执行性的文本脚本。随着视频模型支持 30 秒级复杂条件生成，提示词本身正在成为生产管线中的关键控制层。
OmniEcho: Spatial Audio Understanding for Embodied Agents
「OmniEcho」面向具身 Agent 的空间音频理解，补上了声音方向定位、音视融合推理和导航评测的缺口。论文提出「OmniEchoBench」，覆盖 197 个真实空间音视频场景中的 6 类任务，用于测试模型能否把声源位置与视觉线索结合起来。对机器人和具身智能来说，空间音频不是附加模态，而是遮挡、远距和非视线环境下的重要感知来源。
Coding Agents for Generalized Task and Motion Planning Problems
这篇论文研究编码 Agent 能否自动处理广义任务与运动规划问题，减少传统 TAMP 方法对领域专用工程的依赖。TAMP 的难点在于离散任务选择和几何、运动学、动力学约束高度耦合，即使全可观测也很难泛化到新实例。作者探索让代码 Agent 合成规划相关程序和抽象，从跨实例规律中降低新问题的求解成本，为机器人规划自动化提供了新路径。
Neural Spectral Capacity: Measuring and Designing Architectures from Network Specification Alone
「Neural Spectral Capacity」试图替代参数量和 FLOPs 这类粗粒度指标，用权重矩阵奇异值谱推导一个闭式容量标量。它针对的问题是两个参数预算相同的 Transformer，可能因深宽比、注意力头或 FFN 分配不同而表现明显不同，但传统指标无法区分。NSC 为架构设计和压缩提供了只依赖网络规格的分析工具，有助于在预算约束下更理性地分配模型容量。
ExplorationBench: Measuring AI Systems' Exploration in Verifiable Alien Worlds
「ExplorationBench」把科学探索能力评测转化为可验证的陌生世界任务，要求 AI 系统提出假设、设计实验并根据结果迭代。它同时处理两个难题：新假设是否真实成立，以及系统是否真的通过探索发现，而不是复述预训练记忆。这个基准对 Agent 和科研自动化很重要，因为它评测的是开放空间中的主动发现能力，而不是已知题库上的解题熟练度。
World Action Agent: Harnessing VLMs for Robot Manipulation via World Action Rehearsal
「World Action Agent」让通用视觉语言模型在可视化动作工作区中直接排练机器人操作，而不是只间接生成约束或程序。系统以多 Agent 方式组织决策，并让模型在包含接触视角等信息的世界中选择动作，从而把空间推理落到可执行操作。它的价值在于把 VLM 的常识和视觉推理能力更直接地接入机器人操控闭环。
To Trust or Not to Trust: Retrieval-Augmented Fact Checking in Speech
「VeriSpeak」面向语音中的事实核查，解决播客、采访、政治演讲和社媒视频里错误信息难以直接从音频验证的问题。基准包含 3879 条口语化声明，覆盖时间、地理和关系事实，并设置真假均衡标签，用于检验大型音频语言模型的检索增强核查能力。它提醒多模态事实核查不能只做 ASR 后文本判断，还要关注语音输入链路中的信息保持和证据检索。
SAGE: Mitigating Long-Horizon Reasoning Biases via Topological Guidance
「SAGE」关注长程推理在稀疏奖励下的脆弱性，指出模型会受到探索偏差和复合偏差影响，过早进入局部合理但结构不稳定的分支。论文用「Symbolic Closure Analysis」刻画复杂推理空间中的偏差形成，并引入拓扑指导来稳定搜索轨迹。对 RLVR 和长链推理训练来说，这类方法提供了比单纯加大采样更结构化的优化方向。
Temporal Gradient Inversion for Private Trajectory Reconstruction in Embodied Reinforcement Learning
「TRACE」揭示了具身强化学习分布式训练中的隐私风险：即使原始传感器数据留在本地，只上传策略梯度，连续时间结构也可能泄露轨迹。作者提出一种摊销式时间梯度反演攻击，可自回归重建每步私有观察和动作序列。这个结果对机器人和边缘智能训练很警醒，因为防护不能只按单帧梯度泄露建模，还要考虑序列相关性带来的放大效应。
这篇论文针对 ASR 训练中过度假设参考转写唯一正确的问题，指出真实标注常含有发音、拼写和词汇表达层面的局部歧义。它在「Omni-temporal Classification」基础上把容忍机制细化到 token 级，避免原先词级通配路径过粗导致的有效监督被整段跳过。该训练准则有助于提升语音识别对转写噪声和合理变体的鲁棒性，而不是惩罚声学上无法唯一判定的答案。
AERIAL: Adversarial Evaluation of Robustness in Accuracy-Preserving Low-Precision EEG Decoders
「AERIAL」研究低精度 EEG 解码器在保持准确率的同时是否改变对抗鲁棒性，面向资源受限脑机接口部署。作者在 BCI Competition IV-2a 上比较 FP32 的 EEGNet 和 ShallowConvNet，以及全局幅值剪枝、INT8 训练后量化和量化感知训练，覆盖 9 名受试者和 3 个随机种子。它把模型压缩、可部署性和安全评测放在同一框架中，提醒边缘医疗或 BCI 场景不能只看精度损失。