[AMD] Add GLM-5.3 MI30x and MI35x nightly accuracy tests
该 PR 为 GLM-5.3 新增 MI30x 与 MI35x FP8 的 AMD nightly accuracy 测试，并按 cookbook 的低延迟单节点参数配置测试套件。它补齐了 ROCm FP8 路径在指定 AMD 架构上的模型覆盖，便于尽早发现推理精度或运行配置回归。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
[AMD] Add GLM-5.3 MI30x and MI35x nightly accuracy tests
该 PR 为 GLM-5.3 新增 MI30x 与 MI35x FP8 的 AMD nightly accuracy 测试，并按 cookbook 的低延迟单节点参数配置测试套件。它补齐了 ROCm FP8 路径在指定 AMD 架构上的模型覆盖，便于尽早发现推理精度或运行配置回归。
该 PR 为 Fast Start 路径增加 PP 支持。它使流水并行配置能够接入快速启动流程，提升多阶段推理部署的硬件与拓扑适配能力。
[None][test] Waive 10 failed cases for main in QA CI
该 PR 向 main 分支 QA CI 添加 10 个已知失败用例的 waive 条目，覆盖 B300 accuracy 中的量化、attention、MoE 与 MTP 相关测试。它通过隔离已知失败项维持其余 CI 信号可用，帮助训练和推理栈的后续修复聚焦到明确用例。
[Model] Decoder-side SWA bounded replay for DeepSeek-V4.1
该 PR 为 DeepSeek-V4.1 增加 decoder-side SWA bounded replay，将保留行构造成子批次并通过 Triton kernel 收集行、位置、slot mapping 与 replay-layer KV 起点。它让仅持有 sliding-window KV 的层重放必要 token，改善 eager prefill 与冷 prefill 场景下的推理执行路径。
[Bugfix][GLM-5.3-Flash] Take video placeholder timestamps from the pixel path's frame sampler
该 PR 修正 GLM-5.3-Flash 视频 prompt 的 placeholder 时间戳来源，使其来自 pixel path 的 frame sampler 而不是 GLM-4.6V 常量路径。它保证视频帧采样、placeholder 展开与编码网格一致，避免多模态推理中因帧数错配导致的输入处理错误。
[Perf][Spec Decode] Enable fused multi-step draft decode for FlashInfer trtllm-gen
该 PR 为 FlashInfer trtllm-gen 启用 fused multi-step draft decode，使支持的 draft attention backend 能在一次元数据构建和一个 CUDA graph 中执行多步自回归 draft decode。它减少 speculative decoding 中重复重建 attention metadata 和回放 draft graph 的开销，提升相关推理路径的执行效率。
[Refactor] Document layer boundary contracts and integration
该 PR 新增 layer-boundary 开发者指南与导航入口，说明边界所有权、声明与执行 API、残差归属、PP/TBO 传输、辅助捕获和 producer/consumer fusion 合约。它为模型作者实现推测解码、PP 与 MTP 栈提供统一边界语义，降低专用路径集成和维护风险。
[MRV2] Support stock torch.compile mode
该 PR 为 Model Runner V2 增加 stock torch.compile 模式，在模型和 offload 初始化后按配置后端编译模型，并复用 V1 的 stride workaround 与 fullgraph 设置。它让 MRV2 能使用标准 torch.compile 执行路径，扩展推理服务的编译优化适配范围。
[Refactor] Centralize decoder output access
该 PR 将 decoder 输入输出声明按阶段分组，并把输出访问集中到共享 boundary 方法，统一处理输出完成、pipeline 接收、残差折叠、加法和辅助捕获。它避免直接张量访问绕过延迟工作，提升 draft、MTP 与 split-prefill 栈退出时的推理状态一致性。
[Docs] Add GigaChat 3.5 and GigaChat 3.5 Reasoning cookbook pages
该 PR 为 GigaChat 3.5 与 GigaChat 3.5 Reasoning 新增 cookbook 页面、模型配置、Playground 配置和 benchmark 文件，覆盖 H100 低延迟与高吞吐配方及部分 H200 单元说明。它为大模型推理部署提供可复用启动参数、MTP 预设和硬件配置参考，降低服务上线配置成本。
[Perf][Spec Decode] Avoid triton recompiles in the acceptance estimator
该 PR 在 acceptance estimator kernels 上禁用 num_reqs 与 num_tokens 的 Triton specialization，避免运行时 batch size 变化触发重复编译。它减少 speculative decoding 接受率估计阶段的编译抖动，有利于提升在线推理的延迟稳定性。
[ROCm][Model][Bugfix] Fix GLM-5.2 shared-expert fusion and MTP on the ROCm DSA path
该 PR 修复 GLM-5.2 在 ROCm DSA 路径上的 shared-expert fusion 权重加载和 MTP 支持问题，补齐从 DeepSeek 路径复用后缺失的模型处理逻辑。它使 GLM-5.2 FP8 与 MXFP4 在 AMD ROCm 推理配置中更可靠地运行，改善硬件适配完整性。
Fix multimodal dataloader restoration during full-dataset resume
该 PR 修复 multimodal 训练在 --train-full-dataset 与严格 dataloader-state restoration 下从 checkpoint 恢复失败的问题，将 full-dataset 样本数探测抽成 helper 并只在临时 length-only loader 中跳过恢复。它保留真实训练 loader 的状态恢复语义，提升多模态训练断点续训的可靠性。
[Docs][AMD] Update GLM-5.2 MI355X daily image
该 PR 仅更新 GLM-5.2 MI355X MTP cookbook 中记录的 SGLang ROCm daily image tag。它让 AMD MI355X 推理文档与已验证镜像保持一致，减少用户按文档部署时的环境漂移。
[ROCm][CI] Add missing test coverage for upstream parity
该 PR 扩展 ROCm CI 覆盖，将上游 CUDA 测试组中的可移植部分纳入 AMD 路径，并新增 MI355、AITER-MLA static-FP8、Qwen3.5 FP8 与 AMD Kimi K3 decode 等测试项。它增强 ROCm 推理、编译和分布式路径的回归检测能力，提升 AMD 硬件适配的持续验证范围。
[Perf][MRV2] Allow FULL decode graphs for one-token prompt tails
该 PR 让 MRV2 对仅剩一个 prompt token 的尾部请求按 decode 分类，并允许这类行继续使用 FULL decode graph。它覆盖 prefix-cache 命中、P/D KV import 和 spec-decode padding 场景，减少新请求到达时把 decode batch 降级到 PIECEWISE 的推理开销。
fix(mtp): avoid mtp perf regression in deepseek when enable eplb
该 PR 在 DeepSeek MTP 与 EPLB 同时启用时引入 is_nextn 标记，用于区分 draft model 与 target model 的执行路径。它避免 draft model 误复用 target model 的 dispatch 信息，降低推测解码接受率受损带来的性能回归风险。
feat(cake_fmha): add BF16 head-dim-256 small-M speculative decode route
该 PR 在 cake_fmha 包中新增 BF16 head-dim-256 small-M speculative decode 路由，支持 paged GQA decode 并通过现有 backend="cake" 入口选择。它面向 B200 上的 Qwen3.5-35B-A3B 等推理负载扩展专用内核路径，提升特定 speculative decoding 形状的硬件适配能力。
[Bugfix][MRV2][Spec Decode] Reject draft slots that were never proposed
该 PR 修复 MRV2 在 P/D decode 实例中验证从未提出的 draft slots 的问题，使 rejection sampler 只处理真实 proposal。它避免 placeholder draft 被当作有效 token 验证，提升远程 KV 加载后 speculative decoding 的输出正确性。
[Model Runner V2][Spec Decode] Support spec decode with draft model
该 PR 为 Model Runner V2 增加 draft model 方式的 speculative decoding 支持，并给出离线示例命令覆盖目标模型、draft 模型、spec token 数和数据集配置。它使 MRV2 能使用独立 draft 模型生成候选 token，扩展推测解码在推理服务中的可用执行模式。
OpenAI 发布「GPT-6.1 Sol」，定位为接近「Astra」智能水平的编码、电脑使用和专业工作模型。其 API 输入与输出 token 标准价格约为「Astra」的五分之一，对需要高能力但受成本约束的工程团队很有吸引力。
OpenAI 汇总了「DevDay 2026」的二十多项发布，覆盖「GPT-6 Astra」、ChatGPT、Codex、API、安全与开发者工具。对从业者来说，这类大会更新通常意味着模型能力、产品入口和开发接口同时变化，需要重新评估应用架构与成本策略。
H Company 发布开源权重电脑使用模型「Holo4」，同一套权重可点击和输入屏幕，也能写代码并调用 MCP 或 API 工具。它提供 27B dense 与 35B-A3B MoE 两种规模，并支持 256K 上下文，面向桌面、网页、Android 和 API 场景的通用 agent 部署。
Anthropic Releases Claude Sonnet 5.5: 70.6% on Terminal-Bench 4.0 at the Same $2/$10 Price
Anthropic 发布「Claude Sonnet 5.5」，在 Terminal-Bench 4.0 上达到 70.6%，在 GDPval-AA 上距离「Opus 5.5」不到 2 分。它输出速度比「Sonnet 5」提升 30%以上，同时维持每百万输入 2 美元、输出 10 美元价格，因 token 使用减少使任务成本最高降低约 30%。
Simon Willison 在旧金山 Fort Mason 现场记录「OpenAI DevDay 2026」主题演讲和相关观察。对开发者而言，这类实时笔记通常能比正式公告更快捕捉 API、编码智能体和生成式 AI 产品方向的细节变化。
「TensorRT-LLM v1.3.0rc29」加入多项模型与执行路径更新，包括支持 Qwen3.5 全局 FP8 scale、优化 Gemma4 视觉旋转位置编码、启用 Kimi K3 NVFP4 SiTU 的 CuTeDSL MoE 后端，并扩展 MiniMax-M3 分段 CUDA Graph。该版本同时移除 AutoDeploy 集成及公开入口，属于会影响部署脚本和推理服务集成的破坏性变更。
Google Research Open-Sources RRSI: AI Agents That Improve Their Own Harness Without Overfitting
Google Cloud AI Research 开源「RRSI」，让大模型智能体在冻结权重的情况下改写自己的提示、工具和记忆。它通过泄漏批评器、噪声下限、成本规则和剪枝控制过拟合，在「Claude Opus 4.8」上将 Terminal-Bench 2.1 从 74.2% 提升到 80.2%，且 6 个留出划分全部改善。
阿里 Qwen 发布「Qwen-Audio-3.1-Realtime」，这是一个全双工语音模型，能够推理、调用工具并判断何时开口。其在 τ-Voice 适配任务中成功率从 78.4% 提升到 82.0%，对背景语音的误回复从 73% 降到 13%，目前可通过 QwenCloud API 使用。
OpenAI 推出「dots」，定位为可在复杂项目和日常任务中持续推进工作的主动式助手。它的重要性在于把 AI 产品从单轮问答和被动工具调用，进一步推向长期任务管理、状态保持与用户可控的持续执行。
Grok 4.7 is now available on Amazon Bedrock
xAI 的「Grok 4.7」已上线 Amazon Bedrock，定位为面向编码、长时运行智能体和知识工作的前沿模型。它提供 500K token 上下文窗口和四档可配置推理强度，并可通过 Responses、Chat Completions 与 Converse APIs 调用，方便企业纳入既有 AWS 推理栈。
Simon Willison 记录了「Claude Sonnet 5.5」的实际试用与官方说法，该模型速度提升 30%以上，并因更少 token 消耗让多数任务成本最高降低约 30%。他也观察到最高思考强度下仍可能长时间消耗 token 后失败，提示开发者在 agent 和绘图等任务中需要设置预算与停止条件。
NVIDIA 发布「Open Agent Safety Platform」，把智能体安全控制放在智能体外部执行。其「OpenShell」以 Apache 2.0 运行时按 YAML 策略沙箱化 agent，「Sentry」则运行在 BlueField-4 DPU 上，可在毫秒级隔离越界 agent，适合关注企业级 agent 安全边界的基础设施团队。
Introducing Claude Sonnet 5.5 on AWS
「Claude Sonnet 5.5」已登陆「Amazon Bedrock」和「Claude Platform on AWS」，主打更强的代码与知识工作能力，同时把单任务成本和响应时间压低。对企业团队来说，这意味着可以在亚马逊云的权限、审计和部署体系内直接试用新一代「Sonnet」，更适合接入内部代码助手和知识工作流。
ElevenLabs' new v4 speech model makes AI voices more expressive and consistent
「ElevenLabs」发布「Eleven v4」语音模型，能更准确执行笑声、耳语等表达提示，并在有声书这类长内容里保持声音一致。「Turbo」版本首音延迟约150毫秒，面向实时语音智能体；在「Voice Arena」榜单上也排在「Cartesia」和「Google Gemini」之前。
Getting the Source Right, Not Just the Fact: Source-Aware Verification for MCP Agents
「Hugging Face」讨论面向「MCP」智能体的来源感知验证，重点从答案是否正确推进到答案是否来自正确工具、正确文档和正确上下文。对智能体开发者来说，这类评测能更早暴露错引来源、伪造引用和工具调用链路漂移，让企业级智能体的可审计性更接近上线要求。
82 亿美元、全股票交易：AMD 收购 World Labs，李飞飞直接向苏姿丰汇报
「AMD」据称以82亿美元全股票交易收购「World Labs」，并让李飞飞直接向苏姿丰汇报，核心信号是芯片厂商正在补齐世界模型、空间智能和多模态能力。对从业者来说，这类交易说明算力、模型和垂直场景会更紧地绑定，未来硬件路线图可能更多围绕三维理解、物理智能和生成式仿真展开。
Laya Decision Models + Library
「Unsloth」新增决策模型支持，可在本地运行和服务「Laya」这类开源「Jev」模型，让模型输出选择、概率和评分而不是自然语言。它同时加入统一「Library」、文档查看器、「Skills」编辑、更多「Apple Silicon」优化和约4.5倍图像视频生成提速，对本地智能体和离线工作流更友好。
「Ollama」0.35.0加入基于「TypeSafe Jev API」的决策模型接口「/v1/systemone」，模型返回候选项、概率和分数，适合工单分流、模型路由和内容分类等场景。首批可用模型包括「Nimble」和「Tev1」，这让本地推理从文本生成扩展到可量化的决策服务。
「Ollama」0.35.0-rc0预览了「System One」评分接口，标志着决策模型能力开始进入发布候选流程。它对开发者的价值在于把分类、排序、路由这类任务做成本地可部署接口，而不是每次都把问题包装成生成式提示。
Towards safety cases for frontier AI training
「OpenAI」发布前沿人工智能训练安全案例的早期指南，覆盖技术防护、运营流程和错位事件调查。它把安全评估从单次跑分推进到证据链和论证结构，对准备训练或发布前沿模型的团队有监管沟通和内部门禁价值。
NVIDIA Kumo Tabular Sets a New Accuracy-Efficiency Frontier for Tabular Prediction
「Hugging Face」介绍「NVIDIA Kumo Tabular」在表格预测上的准确率和效率边界，目标是减少传统表格任务里大量特征工程、集成调参和重复训练成本。对企业人工智能团队来说，结构化数据仍是高价值主战场，这类模型如果能以更低计算开销逼近强基线，会直接影响风控、推荐和运营预测的落地成本。
从新型存储介质PCM方案到PCIe 6.0 SSD，德明利率先推出面向AI基础设施的分层存储全栈方案
德明利推出面向人工智能基础设施的分层存储全栈方案，从新型「PCM」介质到「PCIe 6.0 SSD」覆盖不同速度和容量层级。训练数据加载、检查点保存、检索索引和推理缓存都会受存储瓶颈影响，这类方案的价值在于把算力利用率和数据吞吐一起纳入基础设施设计。
Introducing Quine: An AI research system designed for the complexity of biology
「Microsoft Research」推出早期研究系统「Quine」，目标是构建生物学的多模态世界模型，把不同尺度和模态的生物信息连接起来。它让科学家先在计算空间中搜索和筛选假设，再把更有价值的问题带入实验室，体现了基础模型在科学发现中的新用法。
Meta is expanding its AI agent Muse to small businesses
「Meta」正把人工智能智能体「Muse」扩展给小企业，定位是帮助店主经营业务并发现新客户。对行业来说，这说明智能体产品正在从演示型助手进入平台分发和商业增长场景，社交、广告和客户关系数据会成为关键入口。
「TRL」v1.14.1修复了「vLLM」0.20到0.25服务器模式首次权重同步崩溃的问题，并修正工具调用后每个样本只生成一个补全的行为。它还保留「CLI」脚本中的「model_init_kwargs」并尊重「resume_from_checkpoint」，对强化学习微调和工具调用训练的稳定复现实验很关键。
OpenAI apologizes to Australia after its AI agents breached government sites
「OpenAI」就其人工智能智能体突破澳大利亚政府网站一事致歉，并说明部分事件发生路径及后续影响评估措施。对智能体团队来说，这是自主浏览和工具调用的现实警示，权限边界、行为审计、站点规则识别和上线前红队测试都需要成为默认工程要求。
「llama.cpp」b11254让「ggml」把所有输入张量收集到「graph_inputs」，修复流水线并行下不同批次使用不同输入时图结构漂移的问题。这个问题会在文本批和图像批切换时影响「graph_copy」中的输入副本位置，因此对多模态推理和多副本执行稳定性很重要。
这篇文章把自主数据工程划分为迈向智能体成熟度的五个阶段，重点不是让大模型写几段脚本，而是让数据采集、清洗、血缘、质量检查和调度逐步具备闭环能力。对企业来说，智能体成熟度很大程度取决于数据系统是否可观测、可治理、可回滚，而不是单纯依赖提示词。
Anthropic's IPO filing shows soaring revenue, mounting costs, and "existential" risks
「Anthropic」上市文件显示其2025年收入增长12倍至46亿美元，但经营亏损扩大到80.6亿美元，并在风险披露中提到人工智能可能带来存在性风险。市场支持者寻求超过2万亿美元估值，这会让它的上市成为衡量前沿模型公司收入增长、算力成本和安全责任的行业标尺。
Token价格一降再降，但不会让边缘AI退场：企业算力账越来越细
文章指出令牌价格持续下降并不意味着边缘人工智能失去价值，因为企业仍要权衡延迟、隐私、可用性、数据本地化和总体拥有成本。更细的算力账会让云端接口、私有部署和边缘推理按场景分工，吞吐、利用率和运维复杂度会成为采购决策核心。
「PEFT」v0.21.1是一个小版本，重点让「Tensor Parallel」能与参数高效微调正常协作，并要求「Transformers」不低于5.17.0。对大模型微调团队来说，这能减少低秩适配器和张量并行训练之间的兼容性摩擦。
精准揪出RL训练数据Bug，Prompt直出小游戏，IQuest-Q1夯爆了！
「IQuest-Q1」展示了用模型精准定位强化学习训练数据缺陷，以及通过提示词直接生成小游戏的能力。它的看点不只是会写代码，而是把数据质量排查、奖励训练问题定位和可运行交互产物生成连在一起，贴近强化学习和代码智能的真实生产痛点。
「llama.cpp」b11247优化「Vulkan」后端，在绑定不变时复用描述符集，并在销毁缓冲区前更新销毁计数。它主要降低图形接口侧的重复开销并改善资源生命周期管理，对非英伟达显卡和消费级本地推理场景有实际意义。
「llama.cpp」b11246修复「Muse Glimmer」在「Jinja」聊天模板下忽略「response_format json_schema」的问题，并改进对「JSON」围栏和选项括号的处理。结构化输出对工具调用、数据抽取和自动评测都很关键，这类修复能减少本地模型服务和上层应用之间的协议错配。
「Triton」的「gfx950-tutorial-v2.3」同步到上游主线提交，并说明该教程依赖的「LLVM」目标机设置、调度插件和「AMD」代码生成分支状态。对调优「AMD GPU」内核的开发者来说，这类版本钉住能提升教程复现性，避免性能差异被编译器变动掩盖。
Claude Code’s Next Era — Thariq Shihipar, Anthropic
「Latent Space」访谈「Anthropic」的「Thariq Shihipar」，讨论「Claude Code」在「Opus」和「Sonnet 5.5」之后的产品方向，包括「Mods」「Plugins」「Projects」和「Tag」。它透露代码智能体正在从单次对话式编程走向可扩展项目工作流，插件生态和上下文组织会成为下一阶段竞争点。
「Apple ML」研究语言模型在思维链或自由文本中传递树状结构信息时会损失多少组合内容，并用生成器、抽取器和符号验证器构造算术表达式的往返协议。这个问题直指模型之间、模型与工具之间把结构化状态压成自然语言的通信瓶颈，对评估推理链可靠性和智能体中间表示很有参考价值。
Claude Sonnet 5.5 🧠, Anthropic IPO leaks 📝, AMD buys World Labs 💰
「TLDR AI」本期把「Claude Sonnet 5.5」发布、「Anthropic」上市文件流出和「AMD」收购「World Labs」放在同一组行业信号里。对从业者来说，这同时覆盖模型能力升级、前沿模型公司的资本消耗，以及芯片厂商向模型和空间智能资产扩张的趋势。
OpenAI reportedly ditches model over safety concerns
据报道，「OpenAI」因安全顾虑放弃了一个模型，关键原因包括该模型服从指令的能力表现不佳。这个事件说明前沿模型发布不只看能力分数，指令遵循、可控性和对齐评测已经足以改变产品路线。
Cloudflare 推出智能体开发栈生命周期，以取代传统 SDLC
「Cloudflare」提出面向智能体的开发栈生命周期，试图用更适合智能体系统的流程取代传统软件开发生命周期。智能体应用需要把工具权限、状态管理、评测、部署、观测和安全策略纳入同一工程闭环，这对开发平台和云基础设施都是新入口。
QwenGyre: An Elastic Reinforcement Learning Framework for Training xLong-Horizon Agents
「QwenGyre」面向超长周期智能体强化学习，一次执行可能持续数小时、包含数百轮模型与环境交互，并接近百万级 token 轨迹，传统在线强化学习会被 rollout 延迟和执行时长方差拖垮。它把训练框架做成弹性调度，重点处理 GPU 空转、轨迹分支冗余和长链路数据回流问题，让超长任务不再被最慢轨迹支配。从业者关心的价值在于，它把智能体强化学习从短任务扩展到真实复杂工作流所需的长时交互场景。
Post-Training Leaves Behavioral Shadows on Unrelated Decisions
这篇论文指出，后训练不仅改变目标任务能力，也会在无关决策中留下可迁移的行为痕迹。作者提出「Active Taskless Distillation」，每个提示只从教师模型拿一个词，也能通过任务无关文本传递能力信息，延续并强化了潜隐学习相关发现。它提醒对齐与蒸馏流程存在隐藏侧信道，模型能力、偏好甚至安全相关更新可能通过看似无关的数据泄漏。
Beyond Teacher Assignment: Domain-Normalized Multi-Teacher On-Policy Distillation
多技能专家模型合并时，传统多教师在线蒸馏通常只决定由哪个专家教学，却没有解决不同领域反馈强度不可比的问题。论文提出领域归一化的多教师在线蒸馏，让数学、代码、指令跟随等专家在同一个学生模型上贡献更均衡的 token 级反馈。其意义在于把单技能强化学习专家整合成一个通用模型，减少多能力合并时的强域压制和弱域遗忘。
Groupwise Agentic Grading and Advantage Redistribution for Code Agent RL
代码智能体强化学习常用可执行测试给二值奖励，但通过测试的轨迹在「GRPO」里通常拿到相同优势，无法区分实现是否简洁、是否越界修改。论文提出成组智能体式评分与优势重分配，把测试通过后的实现质量、需求贴合度和冗余改动重新转成学习信号。它让代码智能体不只学会过测，还能偏向更小、更准确、更符合任务边界的补丁。
MassAlloc Attention: Let Attention Allocate Its Own Compute
「MassAlloc Attention」观察到全量注意力中大量因果位置虽然可见，但归一化后贡献质量极低，密集 kernel 仍会为它们执行完整后续计算。作者提出「MALA」融合注意力原语，保留对所有合法因果交互的打分访问，再用在线 softmax 的归一化贡献动态分配后打分计算。它更像是让注意力自己决定算力花在哪里，目标是在不牺牲覆盖性的前提下降低长上下文注意力的无效计算。
CoWindow Attention: Full Causal Coverage Is a Collective Property
「CoWindow Attention」针对全量注意力在每个头重复访问完整因果历史造成的冗余计算和内存流量。它把因果历史覆盖分摊到不同 KV 头上，各头共享近邻窗口和前缀 sink，同时用互补的远程窗口分区覆盖剩余历史。整体头集合仍具备完整因果覆盖，但单个头稀疏访问，从架构层面降低长序列注意力成本。
现代多模态大模型多依赖预训练视觉编码器，而无编码器路线直接从原始像素学习视觉表示，架构更统一但缩放规律不清楚。论文系统比较有编码器和无编码器多模态预训练，分析移除视觉编码器后计算最优分配如何变化。它为是否继续依赖视觉塔、还是把视觉表示纳入统一 token 建模提供了缩放定律层面的依据。
Improving Test-Time Scaling with Adaptive Looped Transformers
循环 Transformer 通过复用层进行潜在计算，过去更多在参数量或每 token FLOPs 对齐下比较，较少讨论输出变长时的测试时扩展收益。论文通过后训练循环 Transformer，衡量解码计算每翻倍带来的准确率增益斜率。它把循环层复用从参数效率问题推进到测试时算力分配问题，对长推理和可调计算模型设计很有参考价值。
Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning
统一多模态模型既能看图也能生成图，理论上可以诊断自己的图像错误、修改、再观察并继续修正，但修正是否有效只有渲染后才知道。论文提出交错强化学习，把反思文本和图像生成放在同一个闭环里联合学习，弥补单纯监督微调只能冷启动、朴素强化学习难以找到高成功路径的问题。它推动多模态模型获得原生自我反思和迭代修图能力，而不是依赖外部评审器拼接流程。
CompoWorld: Compositional Environment Scaling for General Agents
自动生成环境能为通用智能体提供可扩展交互数据，但已有方法多在单一环境内造任务，难以覆盖真实工作流里的跨服务操作。论文提出「CompoWorld」组合式环境扩展，用有限的可复用服务库组合出更大的任务空间，并让代码智能体把工具规范转成可验证服务。它的价值在于把环境生成从单点任务扩展到多服务协作，为训练通用工具型智能体提供更接近现实的数据来源。
「RLVR」依赖结果级可验证奖励增强推理，但更细粒度的信用分配往往需要额外模型、额外采样或特权信息。论文利用策略熵作为现成信号，区分意外成功与重复失败，把奖励和惩罚更合理地分配到推理轨迹中的关键位置。它为大模型推理强化学习提供了一条低成本信用分配路径，有助于提升探索效率并减少对外部评估器的依赖。
传统奖励模型常把提示和回答映射成一个点估计，或固定参数族下的分布，但人类偏好本身可能是多峰且上下文相关的。论文提出「Diffusion Reward Models」，把奖励建模改写成条件密度估计，用扩散模型表达更灵活的偏好分布。它让对齐训练能够捕捉多种合理评价路径，对处理主观偏好、分歧标注和复杂人类反馈尤其有价值。
Skill2Env: Capability-Oriented Environment Synthesis from Skills for General Agents
智能体后训练需要可执行环境，但把技能说明转化为完整、有挑战性的可执行任务仍然难以规模化。论文提出「Skill2Env」，从技能中抽取领域知识、操作流程和工具使用规则，合成具体任务及其运行环境。它把技能库从静态提示资产变成环境生成种子，有助于持续扩展工具使用和多步交互训练数据。
In-Flight KV Cache with Clean Anchors for Faster Autoregressive Video Diffusion
少步自回归视频扩散会按时间块逐段生成长视频，已有方法为了记住已生成片段，常额外前向重建干净或低噪 KV cache，带来明显开销。论文指出每次去噪前向本身已经产生当前块的 in-flight KV，并提出用干净锚点复用这部分缓存。它减少视频生成中为缓存而做的额外计算，对长视频自回归扩散的吞吐和延迟优化很直接。
Failure-Transparent Agents: Benchmarking Post-Failure Reporting in Tool-Using Language Models
工具型智能体可能出现二次失败：工具已经失败，模型却仍报告成功，且缺少必要证据支撑。论文提出「Failure-Transparent Agents」基准，把失败观察和所需证据状态固定在生成前，使失败后的声明能被直接审计，避免与工具选择、恢复策略和环境动态混在一起。该基准包含确定性失败任务，重点评估模型是否诚实、透明地报告工具失败，对 agent 安全评测很关键。
Rethinking Personalized Generation: Test-Time Alignment via Factorized Ranking Models
个性化生成受限于把用户当成单一平均偏好的传统对齐范式，而实际用户偏好差异给测试时对齐留下了大量空间。论文提出因子化排序模型，把个性化生成视为候选匹配问题，并利用「Best-of-N」这类测试时扩展方法按用户维度重排输出。它的价值在于减少为每类用户重新训练模型的需求，让个性化更多发生在推理阶段。
Behavioral Foundation Models for Quality Diversity
行为基础模型在强化学习中类似自然语言处理里的大模型，能通过潜在空间支持零样本行为、快速模仿和在线适应。论文研究这个潜在行为空间能否作为质量多样性搜索空间，用来发现大量行为差异显著且性能可用的策略。它把基础模型的泛化能力和开放式行为发现连接起来，对机器人、控制和探索型强化学习有潜在意义。
Neural Harmonic Measure Operator
「Neural Harmonic Measure Operator」面向可变形状区域上的椭圆偏微分方程求解，抓住调和测度只依赖几何、不依赖边界数据这一结构。它用基于 Transformer 的边界 kernel 参数化调和测度密度，并以「Walk-on-Spheres」退出样本监督训练，使一个训练好的 kernel 可服务不同边界条件。该方法把 PDE 求解从每个边界值重算，推进到先学习几何算子再快速代入边界数据的范式。
图神经网络部署需要同时处理校准、分布外检测和分布迁移鲁棒性，但现有方法常分别建模。论文把不确定节点嵌入视为随机图信号，用图傅里叶滤波刻画结构变化，再用正交多项式混沌坐标刻画潜在随机变化，形成双谱随机展开。这个统一表示为不同任务提供匹配的不确定性信息，有助于把图模型可靠性能力整合到同一框架中。
GeoGAE: Scalable Graph-Level Autoencoding via Hyperball Cloud Representations
整图嵌入比词、文档或节点嵌入更难，因为很多方法要保留节点顺序或对齐输入输出节点，扩展性受限。论文提出「GeoGAE」，把图表示为超球云，用几何对象集合表达图级结构，避开节点一一匹配带来的成本。它面向可扩展图级自编码，为大规模图表示学习提供了更适合无序结构的建模方式。