fix: preserve QSA indexer state through HiCache
该 PR 为 QSA indexer 增加页对齐的主机侧状态池，并把它作为 HiCache L2/L3 必需的 KV sidecar 随 KV 与 Mamba 状态一起保存和恢复。它避免设备驱逐后的 prefix hit 使用过期 QSA block 选择，从而保护推测解码服务中的注意力块选择正确性。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
fix: preserve QSA indexer state through HiCache
该 PR 为 QSA indexer 增加页对齐的主机侧状态池，并把它作为 HiCache L2/L3 必需的 KV sidecar 随 KV 与 Mamba 状态一起保存和恢复。它避免设备驱逐后的 prefix hit 使用过期 QSA block 选择，从而保护推测解码服务中的注意力块选择正确性。
[ROCm][Kimi-K3] aiter moe environment variable cleanup
该 PR 清理 ROCm AITER MoE 的环境变量命名，把 SITUV2 A8W4 开关改为 vLLM 命名空间并在热路径缓存，同时移除每次 forward 的环境读取。它降低 MoE 推理路径上的控制开销，并让 Kimi-K3 在 ROCm AITER 分支的硬件适配配置更一致。
[Feature] Offload KV-init runtime state on sleep
该 PR 在 sleep 时卸载 initialize_kv_cache 构建的持久 GPU 运行时状态，包括 V2 block tables、DSV4 sparse-MLA metadata、indexer metadata 与 sampler 相关状态。它让释放权重和 KV cache 之外的显存也能回收，改善 GB300 等大模型推理场景的 sleep 内存占用。
[Feature] Release WorkspaceManager scratch on sleep
该 PR 调整 cuMem 内存池重入行为，并让 WorkspaceManager 的 scratch buffer 纳入 sleep-mode 可释放内存管理。它解决 DeepGEMM/Marlin MoE 与 DP 配置下 scratch 显存无法在 sleep 释放的问题，降低多卡推理空闲态显存压力。
[AMD] [GLM-5.3-Flash] Enable FP8 and MXFP4 serving on gfx950
该 PR 为 MI355X gfx950 上的 GLM-5.3-Flash FP8 与 MXFP4 serving 补齐正确性修复和优化，覆盖 zero-RoPE sparse attention、FP8 KV cache 与 graph-enabled EAGLE 5/1/6。它使 AMD gfx950 能以目标精度与图执行路径承载 Flash 模型，并提升官方与 MXFP4 checkpoint 的服务吞吐和交互表现。
[Perf] Keep non-speculative GDN decode on the standard path
该 PR 在未配置 speculative decoding 时让普通 GDN decode 保持现有 standard path，避免进入 packed fused-normalization wrapper。它保留推测解码模型的 fused CUDA 路径，同时减少非推测 GDN 推理的额外包装开销。
[Model][Spec Decode] Enable EAGLE3/DSpark pipeline parallelism for Sarvam MLA
该 PR 为 SarvamMLAForCausalLM 启用 EAGLE3 辅助 hidden-state 在 pipeline stages 间传输，并支持 DSpark drafts 的跨阶段 target taps 汇总。它扩展了 Sarvam MLA 的推测解码流水并行能力，让分阶段模型在服务推理中能正确组装 draft 所需状态。
[Bugfix][Spec Decode] Qualify Transformers backend attention layer names with the model prefix
该 PR 修复 Transformers backend 中 attention layer 命名未带 model prefix 的问题，让 target 与 drafter 的层名按各自前缀注册。它避免 draft model speculative decoding 在 target 和 drafter 同引擎运行时因重复层名启动失败。
Make the drafter probabilistic and the target verify by rejection sampling for simple draft and MTP
该 PR 让 simple draft 与 MTP 的 drafter 使用概率式采样，并让 target 通过 rejection sampling 验证 draft token。它在温度大于零的推测解码中更充分利用 draft 分布信息，缓解只提交 top candidate 带来的接受率下降。
[Misc] Remove code paths for Transformers < 5.16.1
该 PR 移除 Transformers 低于 5.16.1 的旧兼容路径，包括 v4 import guard、旧多模态 processor helper 与相关测试参数化。它减少不可达代码和旧版本分支，使推理后端维护面与当前依赖下限保持一致。
[Bugfix][HiSparse] Fix MTP acceptance collapse under FULL graphs with a saturated GPU pool
该 PR 修复 HiSparse 与 speculative decoding 在 FULL CUDA graphs 和 GPU pool 饱和时 MTP acceptance 崩塌的问题，处理 draft rows 过早镜像以及相关页面状态链路。它保证 HiSparse 页清洁、host mirror 与 drafter 写入时序一致，恢复图执行下 MTP 推测解码的接受行为。
[None][feat] Load quantized Nemotron-H MTP replacements
该 PR 支持通过 speculative model 加载独立量化的 Nemotron-H MTP replacement checkpoint，并读取其 FP8 或 W4A16 NVFP4 LM head 量化元数据、权重与 scales。它让 TensorRT-LLM 能在推测解码中使用量化替换 MTP 模型，扩展低精度 draft checkpoint 的部署范围。
[Model] Use upstream GLM-5.3 and Qwen4-Exp configs and processor
该 PR 将 GLM-5.3 与 Qwen4-Exp 的配置和 processor 切换到 Transformers 上游实现，并把 Transformers 最低版本提升到 5.16.1。它删除 vLLM 内部 vendored 配置与 processor，降低模型适配维护成本并对齐已测试依赖版本。
[Bugfix][Multimodal] Fix GLM-5.3-Flash vision tower crashes on image input
该 PR 修复 GLM-5.3-Flash vision tower 在 image input 下的崩溃，包括将 pageable CPU tensor 的非阻塞拷贝改为 pinned memory 异步 H2D 路径等问题。它减少多模态推理中的隐式 GPU CPU 同步风险，让开启 GPU sync check 的服务能稳定处理图像请求。
该 PR 在 schedule-selection 后重新生成 Kimi-K3 AttnRes 程序，覆盖 SM100 与 SM103 目标硬件的多组 shape。它更新了 FlashInfer 在 B200、B300 等新架构上的注意力残差内核选择结果，服务于硬件适配和生成程序性能路径。
该 PR 从两个生成式 MegaMoE 家族中删除不可由设备选择路由触达的 smoke-shape programs，并移除 SM-count override 与每次调用的准备工作。它减少生成 C++ 代码体量和 host 端重复开销，使 MegaMoE serving 路径更轻量。
refactor(cake kda): one host shim and one argument plan for the SM103a PTX KDA programs
该 PR 将 SM103a PTX KDA 的四套 host shim 和 argument plan 合并为一个共享 shim 与程序表，同时保持 PTX 字节、manifest hash、cubins 与公开 API 不变。它去除 Python 路径中的每次调用 host 成本，并简化 B300 相关 KDA 程序的运行时维护。
[https://nvbugs/6720547][fix] Exclude padded Cosmos3 text from sequence-parallel attention
该 PR 在 Cosmos3 sequence-parallel attention 中排除 padded text K/V，改用每个 sample 的真实 generated 与 text prefix，并让不等长 CFG 分支恢复各自 text lengths。它避免 padding key 和 dense padding mask 进入内部 attention 后端，改善序列并行与服务推理中的文本条件处理正确性和同步开销。
feat(moe_ep): add Rubin SiTU, prequantized weights, and NVFP4 scaling
该 PR 为 Rubin MegaMoE 增加 SiTU、预量化权重读取和 NVFP4 非单位 scaling，并支持 NVFP4 与 MXFP8 canonical prequantized weights 免 requantization。它让 MegaMoE 内核更好适配 Rubin 硬件与低精度权重格式，同时兼容 pooled workspace、CUDA graph replay 和 offline tuning。
该 PR 刷新 SGLang README 与贡献流程说明，整理格式、单测、文档、精度测试、速度基准和 CI 触发相关检查项。它提升推理与算子相关贡献的入口一致性，帮助开发者按统一流程补齐验证与文档。
How NVIDIA GPUs Help Accelerate OpenAI’s GPT-6 Astra Ultrafast
「NVIDIA」称运行在「Blackwell」GPU 上的「OpenAI GPT-6 Astra Ultrafast」已在「OpenAI API」以及符合条件的「ChatGPT Work」和「Codex」用户中可用。该模式通过面向「Blackwell」架构的推理优化，token 生成速度最高可达「Astra Standard」的 8 倍，对低延迟 agent、代码助手和交互式应用很关键。
Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI
「AWS」展示了如何在「Amazon SageMaker AI」上用多轮强化学习微调一个搜索 agent，让小模型适配企业工具和检索环境。重点不只是降低延迟和成本，还在于提升检索质量与执行可靠性，为把 frontier model 能力蒸馏到专用 agent 提供了工程范式。
「Black Forest Labs」发布「Flux 3 Image」，支持多步图像编辑时尽量保持未编辑区域不变，还能用边界框和最多 10 张参考图组合场景，并输出最高 4K 图像。开放权重计划随后推出，这对可控图像编辑、设计工作流和本地部署社区都很有吸引力。
Cohere Releases Embed 5: How It Compares to Voyage 4 Large, Gemini Embedding 2, and OpenAI
「Cohere」发布「Embed 5」嵌入模型家族，面向企业搜索、「RAG」和 agentic retrieval，分为追求质量的「Embed 5 Pro」和面向低延迟低成本的「Embed 5 Fast」。两者都支持文本、图像以及图文融合输入，说明企业检索正在从纯文本向多模态语义空间迁移。
viable/strict/1790969228: [c10d][torchcomms] Propagate dynamic options (#199099) (#199099)
「PyTorch」这次更新修复了「c10d」和「TorchComms」动态 communicator 创建时丢失选项的问题，把 timeout 和 enable_reconfigure 正确传入动态 new_comm 流程。对分布式训练和通信框架维护者来说，这能减少动态重配置时的成员状态不一致，并保持静态 communicator 的兼容性。
「llama.cpp」构建 b11345 为「Hexagon」后端增加 q2_k 和 q3_k 量化类型支持，并统一了相关行大小分配逻辑。对移动端和高通生态的本地推理来说，这意味着更低比特量化模型有机会在更多设备路径上运行。
NVIDIA DGX Spark 64GB Gives Developers More Ways to Build and Scale Local AI
「NVIDIA」宣布「DGX Spark」将推出 64GB 统一内存版本，并由「Acer」等合作厂商供货。随着开放模型变小、agent 本地化需求上升，这类设备把更大上下文、更复杂工具链和本地实验带到开发者桌面。
Microsoft AI releases new transcription and text-to-speech models for voice agents
「Microsoft AI」发布面向语音 agent 的新转录和语音合成模型，其中包括实时转录模型「MAI-Transcribe-2-Streaming」。这对低延迟语音助手很重要，因为语音 agent 的体验瓶颈往往来自流式识别、轮次切换和端到端响应延迟。
openJiuwen X-Router自演进模型路由技术首发，昇腾亲和，Agent越跑越省，实测减少50+%Token消耗
「openJiuwen X-Router」发布自演进模型路由技术，强调昇腾亲和，并通过反馈让请求在不同模型间做更省成本的选择。其宣称实测减少 50%以上 token 消耗，对多模型 agent 和企业推理网关来说，核心价值是把质量、延迟和成本调度做成持续优化闭环。
「AWS Strands Labs」发布开源决策模型「Strands Decider 2B」，基于「Qwen3.5-2B-Base」，以一次前向输出选择、是否概率和校准分数，而不是生成文本。它在「RTX 3090」上中位延迟约 115 毫秒，并在「JevBench」公开集得分 0.723，适合本地路由、工具选择和 agent guardrail。
viable/strict/1790933554: Add NCCL2 debug server health checks (#199092)
「PyTorch」为「NCCL2」调试服务器加入健康检查，让任一 rank 检测到超时或 communicator 故障时，调试前端可以触发全 rank flight recorder dump。这个改动对大规模分布式训练排障很实用，因为跨 rank 失败往往需要统一时间点的通信证据才能定位。
Command Palette + Desktop UI/UX
「Unsloth Desktop」更新加入命令面板、可分享运行设置和更清晰的加载与生成错误提示，同时让「Laya」决策最高加速 4.1 倍。它还扩展托管「Decision API」支持，并在「LoRA」训练中保持「NVFP4」「INT4」「MXFP4」检查点为 4-bit，有利于本地微调和量化训练工作流。
「llama.cpp」修复了 kpool 重新分池的边界计算，在批次刚好填满整个上下文缓存时，不再多生成超过真实池数量的索引和表示张量。这个问题会让首次满上下文解码构建出超出图预留规模的张量，进而触发「ggml」分配失败，对长上下文服务稳定性很关键。
viable/strict/1790930233: [FSDP2] Defer gradient upcasts to the reduce-scatter copy-in (#198668)
「PyTorch」在「FSDP2」里把梯度上转推迟到 reduce-scatter copy-in 阶段，避免每个参数的 BF16 梯度都先在计算流上单独转成 FP32。对 FP32 参数加 BF16 param_dtype 的训练配置来说，这能减少额外 cast、缩短未分片 FP32 梯度驻留时间，并降低大模型分布式训练的显存和调度开销。
AutoSynthData: Generating Training Data for Enterprise Agents
「HuggingFace」介绍「AutoSynthData」，面向企业智能体生成训练数据，把业务流程、工具接口和任务约束转成可用于微调与评测的合成样本。它瞄准的是企业场景真实交互数据稀缺、隐私限制多、标注成本高的问题，对构建工具调用型 agent 和内部评测集很实用。
「Cloudflare」发布开源权重决策模型「Clef」和「Clef-flash」，参数规模分别为 27B 和 9B，输出 typed probabilities 而不是自然语言文本。它们兼容「Jev API」、支持图像输入，并在「Workers AI」上给出 209.3 毫秒和 38.8 毫秒的中位延迟，适合路由、审核、分类等低延迟决策链路。
这篇指南拆解了「Google Research」的 JAX 训练库「Kauldron」，重点是用普通字典表达实验配置、用字符串路径连接组件，并用运行时 shape 检查约束张量接口。对研究训练框架来说，它的价值在于降低实验胶水代码复杂度，让配置、数据流和 trainer 主循环更容易读、改和复现。
Language Discrimination Improves Linguistic Learning in Multilingual Speech Models
「Apple ML」的研究指出，多语言自监督语音模型在相同预训练数据预算下通常仍落后于单语模型，而在预训练中强化语言区分能力可以缩小这个差距。基于受控的英法「HuBERT」实验，模型在连续音素和更高层语言指标上减少甚至关闭多语言差距，同时保留跨语言共享能力。
Scaling cloud migrations with agentic AI on Amazon Bedrock AgentCore
「AWS Professional Services」展示了基于「Amazon Bedrock AgentCore」的多智能体云迁移框架，让发现、基础设施即代码生成、组合治理和迁移后运维形成端到端自动化。文中称 IaC 开发时间可从数周降到数分钟，对企业迁移团队意味着 agent 不只是问答入口，而能接管可审计的工程流程。
Build Local AI Apps with C++ and NVIDIA TensorRT RTX Samples
「NVIDIA」发布面向 C++ 本地 AI 应用的「TensorRT RTX」样例，围绕可移植模型格式、可靠运行时和跨目标系统加速给出实践路径。它对桌面端和边缘端开发者的意义在于，把模型集成、推理加速和部署样例打包到更接近真实应用的开发起点。
Build agent memory with NVIDIA NeMo Agent Toolkit and Amazon S3 Vectors
「AWS」演示如何把「Amazon S3 Vectors」接入「NVIDIA NeMo Agent Toolkit」作为持久记忆层，并部署在「Amazon EKS」上。文章用多智能体投资研究场景说明自定义 memory provider 的实现方式，对需要长期记忆、向量检索和云原生扩展的 agent 系统有参考价值。
Ideogram says its new model can edit part of an image without messing up the rest
「Ideogram 4.5」主打局部图像编辑，目标是在只改指定区域的同时保持画面其他部分稳定。它支持原生 2K 分辨率，起价每张 0.8 美分，并已有「Runway」「Pika」「Leonardo AI」等伙伴接入，后续还计划开放权重。
Amazon releases its own Jev clone as decision models flood the web
「AWS」旗下「Strand Labs」发布 2B 参数的「Strands Decider」，加入近期快速升温的 Jev 类决策模型方向。这类模型把 LLM 从生成文本转向输出结构化决策信号，适合 agent 路由、策略选择、风控和自动化工作流判定。
「AWS」给出基于「Amazon Bedrock AgentCore」构建 ambient agents 的方案，让智能体由 S3 上传、定时任务或告警等事件触发，而不是等待聊天提示。参考架构使用「Amazon SQS」「AWS Lambda」「Amazon DynamoDB」和统一的 ask_human 工具，把事件驱动自动化与人在回路审核接到同一工作流里。
Sweep thousands of leases for compliance using Amazon Quick and the Adjudicated Query pattern
「AWS」介绍 Adjudicated Query 模式，把「Amazon Quick」聊天 agent、受边界约束的 MCP server 和确定性规则引擎组合起来，用于大规模租约合规扫描。它强调答案的完整性和可辩护性，并提供 AWS CDK 参考架构，适合高风险企业场景里把 LLM 交互和规则判定分层。
Add secure Web Search to Claude Desktop with Amazon Bedrock AgentCore
「AWS」演示如何用「Amazon Bedrock AgentCore Gateway」给「Claude Desktop」接入安全 Web Search，补齐模型知识截止后的实时检索能力。方案通过「AWS IAM Identity Center」和「Amazon Cognito」做 JWT 入站认证，对企业桌面 agent 的工具授权和审计有直接参考价值。
Open-sourcing AstaBrief, the fast report-generation model in Asta
「HuggingFace」宣布开源「Asta」里的快速报告生成模型「AstaBrief」，面向从多源材料生成结构化报告的场景。它对研究助理、企业分析和 agent 工作流重要，因为报告生成往往卡在延迟、成本和可控性上，开放模型让团队更容易自托管和定制。
The latest AI news we announced in September 2026
「Google」汇总了 2026 年 9 月公布的 AI 更新，以视频形式回顾模型、产品和应用层面的发布。对从业者来说，这类月度汇总有助于快速跟踪「Google」在基础模型、多模态能力和产品化落地上的节奏。
「Graphify」聚焦把代码库上下文整合进基于代理的软件工程流程，核心思路是让智能体获得文件、符号、依赖和项目结构等更完整的上下文。对代码 agent 来说，这能减少只看局部片段导致的误改和幻觉，提升跨文件理解、定位和修改任务的可靠性。
「llama.cpp」的 b11344 修复了 CUDA 后端在 Volta 架构上两个损坏的 Flash Attention 场景。这个变更属于底层兼容性修复，能让较老 NVIDIA GPU 在本地推理和服务部署中更稳定地走加速路径。
「PyTorch」重新合入 AArch64 量化引擎 gating，并为「FBGEMM」dispatch 增加保护，避免在 Arm 平台误走不适配的后端路径。它主要影响移动端、边缘端和 Arm 服务器上的量化推理稳定性，减少后端选择错误带来的运行时崩溃。
[AINews] Pi 1.0, Pi Durable, and AIE NYC
「Latent Space」的这期「AINews」提到「Pi 1.0」「Pi Durable」以及「AIE NYC」，重点落在极简 agent harness 走向稳定和 TypeScript 支持。对 agent 开发者来说，这代表轻量编排、持久执行和前端生态集成正在成为框架竞争点。
「vLLM」发布 v0.31.0rc4，修复「HiSparse」在 FULL graphs 下的 MTP acceptance collapse 问题。这个 bug 会影响多 token 预测或投机式解码的接受率，修复后有助于保持图执行场景中的吞吐优势。
「llama.cpp」在 Hexagon 后端把 CPY 和 CONCAT 的 strided DMA copy 逻辑共享化，并支持任意维度 CONCAT 走 DMA。补丁还修复 64 位 DMA 相关问题、补齐 queue flush 和保护条件，对 Qualcomm HTP 等端侧加速路径的稳定性和算子覆盖有帮助。
「PyTorch」在 c10d 的 NCCL2 路径中等待 nonblocking split 和 shrink 子 group 初始化完成，修复分布式通信组生命周期里的竞态。对使用弹性训练、动态并行组或复杂分片策略的大模型训练来说，这类同步细节直接关系到 hang、崩溃和难复现通信错误。
Build Applications on NVIDIA BlueField Faster with NVIDIA DOCA Agent Skills
「NVIDIA」推出面向「BlueField」的「DOCA Agent Skills」，把专用基础设施软件开发中的常见操作封装成 agent 可调用能力。它的价值在于让通用代码 agent 更懂 DPU、网络和 DOCA 开发语境，缩短构建、调试和部署 BlueField 应用的时间。
Nearly half of test subjects mistook Tavus' AI video avatar for a real person on a one-minute call
「Tavus」发布实时视频交互模型「Griffin」，可在通话中处理表情、语气和手势，并驱动视频 avatar 进行自然交流。在该公司研究中，48% 的受试者在一分钟通话后认为它是真人，而此前系统最高只有 2%，这对实时多模态 agent、虚拟人体验和身份安全都很有冲击。
「llama.cpp」的 b11349 为 Vulkan 后端的 pipeline 编译问题增加日志。这个改动不直接改变模型能力，但能显著提升跨 GPU、本地驱动和 shader 编译问题的可诊断性，对维护本地推理部署很实用。
Datalab Introduces OmniExtractBench to Fix Bias and Opacity in Extraction Benchmarks
「Datalab」推出「OmniExtractBench」，试图解决信息抽取评测中的偏置和黑箱问题。它采用基于内容的行匹配、每个值 6 类 verdict 和明确的 null rule，让抽取结果的每个判定都更容易审计，适合比较文档解析、表格抽取和企业 RAG 前处理质量。
Toward provably private learning from federated data
「Google Research」讨论面向联邦数据的可证明隐私学习，重点在移动系统场景下让模型从分散设备数据中学习，同时给出形式化隐私保障。它对隐私敏感的端侧训练和个性化模型很重要，因为工程系统既要保留联邦学习的可扩展性，又要让隐私声明具备可验证边界。
OneStreamer: Unifying Perception, Memory, and Proactive Response in Streaming Video Interaction
「OneStreamer」面向流式视频交互里的核心难题：模型必须在不知道未来问题的情况下保留证据，同时又要在证据足够时及时响应。它把查询无关的证据记录和任务响应统一到一个主动生成过程里，并用「PHCM」生成带时间定位的局部细节字幕与摘要，形成可复用的事实记忆。价值在于把实时感知、长期记忆和主动回答放进同一训练目标，适合长视频监控、在线助手和多轮视频问答这类证据会延迟显现的场景。
Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States
这篇工作指出，长程「LLM」智能体只把历史压缩成记忆，并不能保证它真正理解当前世界状态。作者提出「PoS」推理时框架，持续维护显式信念状态，把当前世界估计和未解决任务需求一起作为决策上下文。它的意义在于让智能体知道自己已确认什么、还缺什么信息，从而减少长任务中的状态漂移和盲目行动。
Hierarchical Continuous Diffusion Language Models
离散扩散语言模型适合双向推理和全局约束，但并行解码时每个 token 往往按边缘分布独立采样，破坏同批解码 token 之间的依赖。「Hierarchical Continuous Diffusion Language Models」尝试用连续共享状态保留这些统计依赖，并通过层级结构弥补普通连续扩散去噪器上下文不足的问题。它为非自回归文本生成提供了更稳的依赖建模路径，尤其适合需要整体一致性的生成任务。
Sharpening Tax in Post-Training
论文检验了一个后训练假说：强化学习并非创造新能力，而是锐化基座模型已有行为，同时牺牲解法覆盖率。作者把这一问题从数学和代码扩展到多轮工具使用的智能体任务，发现配备适当交互接口的预训练模型本身可能已经具备相当多 agentic 能力。它提醒从业者区分能力获取和行为选择优化，后训练带来的收益可能更多来自把已有策略推到高概率区域。
On-Policy or Off-Policy Learning? A Systematic Study of Distillation Dynamics
这篇系统研究试图拆开「SFT」和强化学习比较中混杂的变量，专门考察 rollout policy 对蒸馏动态的影响。作者在强到弱蒸馏设置里独立改变 rollout 策略、token 级「KL」方向和学习率，以观察遗忘、更新稀疏性与泛化之间的真实来源。价值在于把 on-policy 和 off-policy 的争论落到可控实验上，为后训练配方选择提供更清晰的因果证据。
ActiveSaddler: Automated Curriculum Learning for Agent Harness Optimization
自动化 harness 优化可以根据执行反馈迭代改写提示词、工具接口和控制逻辑，但以往方法通常固定训练场景，忽略了模型变强后最有价值的反馈来源会变化。「ActiveSaddler」把课程学习引入 agent harness 优化，让训练场景随着 harness 能力一起自适应调整。它的意义在于提升反馈效率，避免智能体一直在过易或过难任务上浪费优化预算。
Make Sparse Rewards Count: Density-Aware Reward Aggregation for Multi-Reward RL
多奖励强化学习要同时优化多个行为目标，但即使用「GDPO」这类逐奖励归一化，不同目标的学习进度仍可能失衡。论文用 advantage energy 分析这一现象，指出在理想化「GDPO」归一化下，某个奖励的能量与活跃样本组密度相关，稀疏奖励容易被训练动态低估。作者提出密度感知的奖励聚合，让稀疏但重要的目标在多奖励「RL」里真正产生梯度影响。
GraphForge: Training Working Agents with Graph-Anchored Workspace Synthesis
工作型智能体训练需要真实文件、多工具协作和可验证交付物，但现有数据管线要么生成的文件不够真实，要么基于真实文件却缺少任务级验证器。「GraphForge」用证据图锚定任务和工作区合成，把文件证据、任务要求和验证逻辑连成同一结构。它为训练办公、代码、研究类 agent 提供了更接近真实工作流的数据生成方式，也能降低结果不可验的问题。
Multimodal Flow: Unified Flow Modeling of Language and Vision in Embedding Spaces
「Multimodal Flow」尝试把语言和视觉统一成嵌入空间里的连续生成过程，避开图像离散 token 的量化瓶颈。相比把语言离散预测和图像连续生成拼在一起的路线，它追求同一目标函数和采样机制覆盖多模态。这个方向的价值在于为原生多模态基座提供更一致的生成框架，可能改善跨模态对齐和视觉细节保真。
CorrGRPO: Correlation-Normalized GRPO for Multi-Reward Learning
多奖励「GRPO」通常把多个奖励相加后按组内标准差归一化，但总方差包含所有奖励协方差，导致相关性高的奖励会压小 advantage，相关性低或负相关的奖励则被放大。「CorrGRPO」直接针对这一相关性归一化问题，修正多奖励训练中不同目标被 covariance 隐式重加权的现象。它对推理模型和对齐训练很实用，因为多目标奖励经常同时包含正确性、格式、长度和安全约束。
Omni-Embed-Mini: Binding Modalities Without Forgetting via Dense Distillation
把文本嵌入模型扩展到语音、音频、图像、视频和富文档时，常见代价是文本检索质量下降，或者模型规模膨胀到数十亿参数。「Omni-Embed-Mini」只用 9 亿参数，并冻结文本侧参数，把多种模态映射到统一余弦空间。它的关键在于用媒体样本关联的密集级联文本信号做蒸馏，不额外依赖独立嵌入教师，从而兼顾多模态绑定和文本能力保留。
When Users Change Their Minds: Measuring and Repairing Intent Drift in LLM Agents
多轮智能体常遇到用户中途改主意的问题，旧意图虽然被废弃，却仍会影响最终回答或工具动作，这就是 intent drift。「IntentFlux」把可验证任务改造成带受控意图变化的对话，同时保留原始评分器；在 627 个校准样本中，平均任务分从 0.476 降到 0.384。该 benchmark 能直接衡量智能体是否真正覆盖新意图，对修复多轮执行中的陈旧约束很有价值。
Better Supervision Is Nearby: Neighborhood On-Policy Self-Distillation
标准 on-policy 自蒸馏在数学推理中使用一个固定参数设置的特权教师监督学生采样前缀，但这可能漏掉相邻模型状态能提供的纠错信号。论文发现局部参数扰动会暴露互补的、与参考解对齐的修正，不同扰动专家在不同参考位置更有帮助。它把自蒸馏从单教师扩展到邻域监督，为提升推理模型的步骤级纠错能力提供了更细的训练信号。
OmniSeek: Native Tool Integration for Multi-turn Audio-Visual Reasoning
「OmniSeek」把全模态大模型从被动处理完整音视频，改造成会主动选择看哪里、听哪段的多轮推理智能体。它把证据获取纳入推理过程，动态调用视觉和音频工具，从长上下文中检索稀疏但关键的跨模态证据。价值在于降低长音视频一次性前向的成本，并提升需要时间定位和跨模态组合的问题求解能力。
网络安全场景里的「LLM」不仅要懂知识，还要能把分析员意图转成真实工具的可执行命令，而现有评测很少直接测这一层。「KaliBench」面向「Kali Linux」工具使用，细粒度评估命令、参数、flag 绑定等容易出错的接口细节，并设计无需实际运行环境的可验证奖励。它对安全 agent 很关键，因为一次语法或参数错误就可能让自动化流程失效。
Trust the Direction, Search the Step: Zero-and-First-Order Methods for LLM Fine-Tuning
大模型微调里的步长选择很敏感，太保守会慢，太激进会不稳定。「ZFO」把方向选择和步长搜索解耦，用可信的一阶优化器确定更新方向，再只在这一维子空间上做零阶评估来决定走多远。这个框架把零阶方法的黑盒评估成本控制在很小范围内，适合需要稳定调参的「LLM」微调。
Universal Byte-Level Encoding: UTF-8/UTF-16 Routing to Reduce Cross-Script Token-Budget Disparities
基于「UTF-8」的字节级「BPE」能覆盖所有 Unicode 文本，但很多非英文脚本在合并前天然需要更多字节符号，形成更高 encoding floor。论文提出通用字节级编码路由，在「UTF-8」和「UTF-16」之间选择更合适的表示，以减少跨文字系统的 token 预算差异。它对多语言大模型很实际，因为 token 数直接影响上下文容量、延迟和调用成本。
SILSA: Sliding-Window Slice Latents for Topology-Preserving High-Resolution 3D Generation
高分辨率 3D 生成常用 voxel latent 和多阶段管线，先预测活跃结构再合成本地几何，但这会把连续表面切成大量局部 token，增加成本并削弱细薄或高连通形状的拓扑一致性。「SILSA」用滑动窗口 slice latent 表示形状，以更紧凑的方式保留连续结构。它的价值在于面向高分辨率 3D 生成同时兼顾效率和拓扑保持，适合复杂形体建模。
Wasserstein Gradient Flows and Forward-Only Diffusion Are Not Enough for Multimodal Sampling
论文挑战了一个常见解读：带有指数收敛保证的 Wasserstein 梯度流和 forward-only diffusion，并不等于能高效采样复杂多峰分布。作者指出这些理论保证在多模态目标上可能具有误导性，经验结果也不足以证明算法能跨模态充分混合。它提醒生成模型研究者区分收敛到分布的形式保证和实际发现所有重要模式的计算难度。
自然语言中某些类型学特征更常见，例如「SOV」语序，这常被解释为学习偏置的结果。论文用 mildly context-sensitive 人工语言和栈式语言模型，从数据与模型两侧分析学习偏置和类型学常见性之间的关系。它为理解语言模型是否复现人类语言中的结构偏好提供了更可控的实验环境，也能反向检验架构归纳偏置。