[Spec] LiLiCorr: named head MLPs and quantized head linears
该 PR 让 LiLiCorr draft head 支持 ModelOpt 导出的描述性 MLP 权重命名，并加载量化后的 head linears 与 DFlash fc。它提升了推测解码检查点在 SGLang 与 vLLM 间的可复用性，也让 NVFP4 等量化 drafters 能进入正常推理路径。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
[Spec] LiLiCorr: named head MLPs and quantized head linears
该 PR 让 LiLiCorr draft head 支持 ModelOpt 导出的描述性 MLP 权重命名，并加载量化后的 head linears 与 DFlash fc。它提升了推测解码检查点在 SGLang 与 vLLM 间的可复用性，也让 NVFP4 等量化 drafters 能进入正常推理路径。
refactor(cake_fmha): split the registry and host helpers per component
该 PR 将 CAKE FMHA 的 registry 与 host helper 按组件拆分，并移除源产物 SHA-256 pinning，未改动 kernel 源码。它减少了生成代码与导入校验负担，为后续推测解码 CAKE kernel 包的维护和硬件适配打基础。
refactor(cake_balanced_gqa_decode): regenerate the export as arch-neutral programs
该 PR 将 experimental balanced GQA decode 重新生成为架构无关程序，让三个程序各自只发布一份 kernel 与 binding source，并抽出共享 device 与 host 头文件。它减少了 per-architecture 重复代码，降低了 decode kernel 在不同 CUDA 架构上的维护成本。
[Bugfix][DSv4.1] Keep the compressor ring out of the null block
该 PR 修正 DeepSeek-V4.1 compressor ring 的 slot 映射，避免 warmup 与 CUDA graph capture 的零 block table 把 fp32 状态写入 null block。它防止 sparse MLA decode 在读取 masked candidates 时被污染出 NaN，提升 DeepSeek-V4.1-Flash 推理稳定性。
[Refactor] Build layer stacks in order with append_stages
该 PR 引入按顺序 append_stages 构建 layer stack 的方式，让 decoder layer 自己追加 stage 边界，而不是各模型重复重建相邻层声明。它减少了约七十个模型文件中的重复控制流，并降低 pipeline parallel 下跨 rank stage 边界不一致的风险。
[Refactor] Build the Qwen4 experimental decoders from stage boundaries
该 PR 将 Qwen4 experimental decoders 改为基于 stage boundaries 构建，处理其多 residual stream 展平张量、归一化读取与按注入系数写回的特殊状态流。它把手写 boundary 工作收回到统一分层机制中，改善推测解码相关 decoder 的可维护性和并行切分一致性。
该 PR 针对 ROCm gfx950 上 GLM-5.2 decode path 调整 MoE、MLA、speculative softmax 与 bf16 GEMM 路由，使相关 kernel 更贴合 decode batch 形状。它面向 AMD 硬件减少低占用与启动开销问题，提升长上下文 GLM-5.2 推理路径的适配性。
该 PR 更新 SM100/SM103 上 Cake DCP speculative-decode 的 round-5 on-device load-balanced varlen scheduler，只改动两个 kernel 及其 launch 逻辑。它在保持 host route、binding、workspace、KV/page-table 布局和测试契约不变的前提下，优化 BF16 与 E4M3 head_dim 256 推测解码执行路径。
metal : few-row MMA mat-mul and batched copies for speculative decoding
该 PR 为 Metal 后端新增 2 到 16 行 src1 的 few-row MMA mat-mul kernel，并加入 speculative decoding 场景所需的 batched copy 支持。它让 Apple M1 到 M4 等无 tensor API 的 GPU 更适合执行草稿 token 验证和批量 decode 的小行数矩阵乘。
[Model] Declare SupportsEagle3 on Qwen3ASRForConditionalGeneration
该 PR 为 Qwen3ASRForConditionalGeneration 声明 SupportsEagle3，使其多模态 wrapper 能为内部 Qwen3ForCausalLM 接上 EAGLE3 draft head。它解除 Qwen3-ASR 目标模型使用 EAGLE3 推测解码的接口阻断，扩展语音模型的推理加速路径。
[diffusion] model: restore folded H3 GGUF patch embedding
该 PR 恢复 MiniMax H3 GGUF text encoder 中折叠形状 patch embedding 到原生 Conv3D 参数形状的加载逻辑，并增加 GGUF loader 回归覆盖。它修复公开 H3 GGUF 权重加载失败的问题，保障 diffusion 模型在 BF16 patch embedding 上的模型兼容性。
[Bugfix][Multimodal] Fix GLM-5.3-Flash vision tower crashes on image input
该 PR 修复 GLM-5.3-Flash vision tower 处理图像输入时的两类崩溃，其中包括将位置张量与 cu_seqlens 通过 pinned memory 进行异步 H2D staging。它避免 GPU sync check 下的隐式同步错误，提升多模态推理在图像请求上的稳定性。
该 PR 调整 diffusion request-based warmup，使 step-floored 模型按有效 denoising step 数执行，并停止把失败 warmup 报告为已预热。它让 MiniMax-H3 这类至少需要两个 inference steps 的模型得到真实 warmup 状态，避免性能观测与实际冷启动路径不一致。
[diffusion] attention: Allow disabling sequence masking in SP
该 PR 为 diffusion attention 的 sequence parallel 路径增加关闭 sequence masking 的选项，使少量 padding 后的非整除 joint text+image 输入可走非 varlen backend。它为 Qwen-Image 等模型绕开较慢或缺失的 varlen attention 实现提供控制开关，有助于使用更高性能的 attention kernel。
该 PR 扩展 cake_all_gather_matmul，使 Cake backend 可直接接受 engine 持有的 [N,K] 权重转置视图、任意 local M，以及 N 能被 256 整除的形状。它避免 sequence-parallel column-parallel linear 为参数重排或拷贝，让 tensor parallel 推理更贴近实际权重布局。
[Bugfix][Attention] Support int4_per_token_head on non-power-of-two head sizes
该 PR 修复 int4_per_token_head KV cache 在非 2 次幂 head size 上被接受后又因 Hadamard transform 断言失败的问题。它让 Phi-3-mini 等 head size 为 96 的模型在选择 TRITON_ATTN 与 int4 KV cache 时能获得更清晰且可用的初始化路径。
refactor(cake_fmha): drop unreachable members and merge one-line per-arch copies
该 PR 清理 generated Cake FMHA source tree 中不可达成员，并合并只有单行差异的 per-arch 副本，保持 surviving kernel 的 SASS 不变。它降低了 paged-attention Cake backend 的代码体积和维护复杂度，为后续按 flag、page 与 runtime shape 泛化做准备。
该 PR 将 Kimi-K3 Stable LatentMoE front 与 tail projections 重新生成为架构无关程序，并把 tensor-parallel prefill GEMM 常量移到 compile line 与扁平 registry 中。它减少 per-architecture module tree，确保不同 token count 能解析到注册程序，改善 MoE 投影 kernel 的构建与硬件适配。
refactor(cake_gqa_decode): sm110, one registry, thin launcher bindings, no per-call host sync
该 PR 重构 SM110 GQA decode，合并 registry、精简 launcher binding，并移除 convenience API 每次调用中的 torch.aminmax 与 .item() host synchronization。它保持 device code 不变但减少主机侧同步与加载路径复杂度，改善服务推理中的 decode 调度开销。
该 PR 将 NVLink Ulysses all-to-all 的 generated kernels 改为架构无关形式，并删除未被 dispatcher 调用的 36 个 binding.cu 与 examples-hosted test fixture。它减少编译进构建的死代码与 per-arch 目录负担，利于分布式通信 kernel 的维护和硬件适配。
「vLLM v0.31.0」合入 717 个提交，重点强化「DeepSeek-V4.1-Flash」路径，包括「FlashMLA」大注意力、NVFP4 压缩 KV cache、稀疏 MQA logits、MoE gate 与专家选择融合，以及多处解码边界融合优化。对推理工程师来说，这次更新集中在低精度 KV、MoE 和小 batch 内核，直接关系到新一代 DeepSeek 模型的吞吐、显存和延迟。
Aleph Alpha releases Kolibri, an open-weight model that makes the case for European AI sovereignty
Aleph Alpha 发布开源权重模型「Kolibri」，这是一个德英双语「MoE」模型，总参数 780 亿、每 token 激活约 30 亿，其中德语训练数据占比超过 21%。模型在德国和芬兰的 768 张「B200」GPU 上训练，并以「Apache 2.0」许可开放，对欧洲本土 AI 主权和企业可控部署是一个明确信号。
Hinton 发布首篇关于「RSI」的论文，核心指向 AI 进入参与设计下一代 AI 的流水线。对大模型从业者来说，这类工作的重要性在于把递归自我改进从概念讨论推进到可研究对象，涉及自动化研究、模型训练闭环和安全边界。
Can an Open Model Do Security Research? Cantina’s apex-flash-1 Solves 40 of 60 Held-Out Bug Tasks
Cantina Security 与 Yeta Labs 发布安全研究专用开源权重模型「apex-flash-1」，它基于「GLM-5.3-Flash」做强化学习微调，并在保留的 60 个漏洞任务中解出 40 个。模型以「MIT」许可发布，可通过「vLLM」「SGLang」或「Transformers」部署，但 BF16 推理约需 640GB GPU 显存，对安全团队意味着可私有化的漏洞研究模型开始具备实战可用性。
「Ollama v0.40.0」在 Apple Silicon 上默认让受支持模型运行于「MLX」运行时，首批覆盖「qwen3.8」「gemma4」「qwen3.6」「qwen3.5」等模型。对端侧开发者来说，这意味着 Mac 本地推理路径更贴近苹果芯片原生能力，部署决策模型和常用开源模型时能少做手工运行时切换。
b11430: hexagon: matmul and flash-atten scalability updates (#29974)
「llama.cpp b11430」优化 Hexagon 后端的矩阵乘和 flash attention 可扩展性，在 row-split 多核模式下把 flash attention 从按 Q token 切分改为按 KV head 切分。这样每个核心无需读取完整 KV cache，能恢复多核在内存带宽上的收益，对移动端和嵌入式 Hexagon 推理尤其关键。
「llama.cpp b11417」主要优化 CUDA 后端中 NVFP4 类型的 mmq 累加路径，改进「mmq_vec_dot_fp4_fp4_mma」性能，并修正相关缩进问题。对部署低精度模型的用户来说，这类内核级改动会直接影响 NVFP4 量化模型在 NVIDIA GPU 上的吞吐和实际可用性。
b11422: cuda: use the vector lightning indexer kernel on MUSA (#29990)
「llama.cpp b11422」让 CUDA 路径在 MUSA 上使用 vector lightning indexer kernel，并针对 MUSA 架构 21 和 22 的 28KB 静态共享内存上限调整 query staging。通过分 head pass 把共享内存占用从约 33KB 降到约 25KB，MUSA 后端可以保留 lightning indexer 的性能路径，提升国产 GPU 适配质量。
The Story of Qwen: Alibaba’s AI Models From 7B to 2.4T
这篇文章梳理阿里「Qwen」从 2023 年 4 月邀测聊天机器人到 2026 年 8 月 2.4 万亿参数开源权重模型的演进，每个主要版本都对应特性、能力和许可证变化。对模型从业者来说，Qwen 的路径展示了中文开源模型如何从通用聊天扩展到多模态、代码、推理和超大规模 MoE，并在生态策略上持续加码开放。
这篇对比文章把「GPT-6 Astra」「GPT-6.1 Sol」「Gemini 4 Argon」和「Claude Fable 5.1」按任务适配度拆开看，结论是 Astra 更强于 computer use，Argon 更适合法律和金融，Sol 在 coding agents 成本上更占优。对团队选型而言，重点不是单一榜单第一，而是把前沿模型按工具使用、行业推理和代理成本分别配置。
Making Amazon Quick enterprise-ready: Automated, auditable cross-account resource promotion
AWS 介绍如何把「Amazon Quick」中的 agents、action connectors、knowledge bases、flows 和 spaces 从开发账号自动提升到生产账号，替代手工、易错的跨账号迁移。方案用运行在「Amazon Bedrock AgentCore」上的幂等、可审计「MCP」服务器实现资源推广，对企业落地智能体平台时的变更治理和合规审计很有参考价值。
Agentic retrieval with LangChain and Amazon Bedrock Knowledge Bases
AWS 展示如何用「LangChain」和「Amazon Bedrock Knowledge Bases」构建 RAG 应用，并对比单次检索与 agentic retrieval 处理多部分问题的差异。文章强调通过 trace events 观察每条检索路径并比较成本，对做企业知识库问答的人很实用，因为复杂问题往往需要多步检索、分解和成本可视化。
Evaluating multi-agent systems for explainability and helpfulness with Amazon Bedrock AgentCore
AWS 展示了如何用「Amazon Bedrock AgentCore Evaluations」评估基于「Strands」的多智能体供应链决策系统，重点不只是回答是否流畅，而是工具选择、约束遵守和决策解释是否可靠。对做企业级 Agent 的团队来说，这把评测从单轮文本质量推进到任务链路、可解释性和自定义评估器层面。
「llama.cpp」b11425 修复了 CUDA 后端中「alloc_deps」检查依赖 batch 的问题，使分配依赖校验不再随批大小变化而出现异常。对本地推理和多 batch 服务来说，这是偏底层但重要的稳定性修复，能减少 CUDA 图执行和内存依赖管理里的隐性错误。
Our approach to EU text provenance rules
OpenAI 说明了其应对欧盟文本来源规则的文本水印方案，包括水印适用范围、检测方式，以及为何先向研究人员开放访问。对模型厂商和应用开发者来说，这意味着生成内容溯源会更深地进入合规、平台治理和模型输出检测流程。
「llama.cpp」b11424 修复了 Vulkan 后端 Flash Attention 共享内存写越界问题，属于会直接影响推理正确性和稳定性的底层漏洞。使用 Vulkan 跑本地模型或跨平台推理的开发者，应关注这类修复对长上下文和注意力算子的影响。
「llama.cpp」b11418 在 server 侧为「Clef」加入视觉输入支持，并扩展了 batch token 位置、多维输入注意力等内部结构。这个版本说明「llama.cpp」服务端正在继续补齐多模态模型服务能力，开发者可以更接近统一接口处理文本与图像输入。
「llama.cpp」b11415 在 server 侧拒绝部分媒体截断输入，避免图像或其他媒体片段在缓存复用和分块处理时形成不完整状态。对多模态推理服务来说，这类输入完整性检查比事后容错更关键，能减少难复现的上下文污染和错误生成。
「llama.cpp」b11414 修复 Vulkan 后端在 Flash Attention 与 softmax 之间复用过期「prealloc_y」的问题。该问题位于算子内存预分配链路，修复后有助于提升 Vulkan 推理在注意力计算中的正确性和稳定性。
Together Link: open models in the harness you already use. Start with one command today.
Together AI 发布「Together Link」，让团队能在已有编码 Agent 工作流里直接接入「GLM 5.3」「Kimi K3」等前沿开源模型。它主打用一条命令替换模型供应，并宣称可将模型支出降低超过 50%，对关注 Agent 成本和模型可替换性的团队很有吸引力。
Prime Inference 📈, agent population 📈, Claude academy 🎓
这期「TLDR AI」简报聚焦三条趋势：推理服务需求继续上升、Agent 数量与使用场景扩张，以及「Claude Academy」这类模型教育资源出现。对从业者的信号是，AI 竞争正在从单个模型能力扩展到推理基础设施、Agent 生态和开发者培训体系。
Researchers are tracking a Chinese AI ‘agent fleet’
TechCrunch 报道称，独立研究人员发现一个疑似运行在腾讯基础设施上的中国 AI 智能体集群，目标指向阿里旗下地图服务「Amap」。这类事件凸显 Agent 从实验工具进入真实网络环境后的安全边界问题，尤其是自动化访问、平台滥用和云基础设施归因。
DataAgent - 快手大数据生产与分析的智能化探索之路｜QCon上海
快手在 QCon 上海分享「DataAgent」，主题是大数据生产与分析流程的智能化探索。对数据平台团队来说，重点在于把 Agent 能力嵌入数据开发、分析和生产运维链路，让自然语言交互、任务编排和数据治理形成更高效的闭环。
Yandex Introduces Sona: A Single Generative Recommender That Replaces Entire Recommendation Cascade
Yandex 推出生成式推荐模型「Sona」，用一个 Transformer 同时承担候选生成和排序，替代传统推荐级联中的多个手工特征模块。在「Yandex Music」A/B 测试中，它将点赞提升 11.42%，说明生成式架构正在把推荐系统从多阶段工程流水线推向统一建模。
Simon Willison 复现实验，用本地硬件测试「Qwen3.8 27B」把大数加法结果以英文单词形式输出的能力，延续此前对「GPT-4o」算术泛化的观察。这个实验有意思之处在于，它把模型是否真正学会计算和是否依赖格式记忆区分开来，也为本地大模型能力评测提供了一个低成本但刁钻的测试样例。
Scaling Trajectories for Complex Tasks through Recursive Self-Rewrite
这篇论文关注复杂任务中成功轨迹很珍贵但往往依赖专用评测脚手架的问题，直接把这些轨迹拿去训练会让模型学到部署时不存在的外部干预。作者提出「Recursive Self-Rewrite」，用同一个「Qwen-3.8-27B」在多种脚手架下探索成功解，再由规划器抽取步骤手册、批评器筛掉验证或解法泄漏，重写成通用脚手架下可执行的训练轨迹。它的价值在于把高成本的成功样本转化为更接近真实部署环境的监督信号，适合用于提升智能体在长链路任务上的可迁移执行能力。
On-Policy Parameter Update Direction Underlies Generalization in LLM Post-Training
这篇论文把在线后训练中被视为副产物的参数更新方向，提升为可迁移的优化原则来研究。作者分析哪些在线更新行为真正对应更好的泛化，并尝试把这种方向性注入到「SFT」等离线范式中，使监督微调不只拟合示例答案，而是更接近在线策略改进的几何路径。对从业者的意义在于，后训练收益可能不只来自数据分布或奖励信号，也来自更新方向本身，进而为更稳的微调算法提供设计线索。
Pivot-SD: Efficient Self-Distillation for Masked Diffusion Language Models
这篇论文面向掩码扩散语言模型的信用分配难题：去噪早期少数关键承诺会强烈影响后续文本，但常见后训练仍按最终文本或整段去噪奖励来训练。作者提出「Pivot-SD」，识别这些改变剩余不确定性的枢轴 token，并围绕它们做自蒸馏，让训练信号集中在真正决定推理走向的位置。它让并行生成路线的语言模型更有机会在复杂推理中获得细粒度改进，而不是被整段奖励稀释。
HyperBrowseComp: A Multilingual and Multimodal Stress Test for Web-Browsing Agents
「HyperBrowseComp」把网页浏览智能体的评测难度拉到多语言、多模态和真实证据链层面，包含 423 个由人工编写并验证的问题，覆盖 13 种语言。题目要求模型寻找冷门公开证据、串联多步线索，并处理视频、扫描文档、图像、地图等异构来源，而不是只做简单网页检索。它适合检验浏览智能体在真实开放网络上的查证能力，也能暴露当前模型在跨语言证据定位和多模态信息抽取上的短板。
Latent-MOPD: Latent Multi-Teacher On-Policy Distillation
这篇论文针对多教师在线蒸馏通常只迁移输出分布的问题，提出「Latent-MOPD」把专家模型的隐藏状态也纳入学生训练。学生在自己生成的响应上学习，不只模仿不同专家给出的预测，还吸收产生这些预测的中间表征，并通过协调机制处理多专家表示监督。它为专长模型整合提供了更深一层的蒸馏路径，尤其适合把多个能力模块合并进一个通用学生模型。
VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks
「VeriHarness」关注长程智能体任务中答案验证比生成本身更难的问题，特别是在测试时没有参考答案和评分细则的场景。作者利用同一基础模型反复采样多个 rollout，从分歧中发现潜在正确主张，再建立机制判断哪些主张可信。它把验证能力作为可扩展的智能体基础设施来处理，对代码、研究、网页任务这类长链路输出尤其有价值。
MetaRubric: Learning to Reward for Rubric-Based Reinforcement Learning
这篇论文指出基于 rubric 的强化学习会出现「Vacuous Credit」：回答里缺失某项要求时，评审模型仍可能给该标准高分，甚至反转「GRPO」优势方向。作者提出「MetaRubric」，让奖励模型学习识别标准是否被真实满足，而不只是对表面相关文本给部分分。它的价值在于提升开放式任务奖励信号的可用性，减少模型靠空泛响应骗过细粒度评分器的风险。
Triadic Linear Attention: Three-Dimensional Recurrent States for Long-Context Sequence Modeling
这篇论文把线性注意力中矩阵记忆状态的思路扩展到三维循环状态，试图在长上下文建模中获得更强容量，同时保留循环结构的常数时间推理优势。作者提出「Triadic Linear Attention」，通过更高阶的状态表示捕捉历史 token 之间更丰富的交互，而不是把所有信息压进固定向量或二维矩阵。它对长上下文模型架构有启发意义，尤其是在追求低延迟推理和更强记忆容量之间寻找新折中。
Looping Beyond Twice: A Scalable Recipe for Looped Mixture-of-Experts
这篇论文研究把「Looped Transformer」用于大型「MoE」模型时为何收益容易衰减甚至退化。作者把重复调用共享 Transformer 块视为除参数量之外的缩放轴，并给出更可扩展的 looped MoE 训练配方，使额外 FLOPs 更稳定地转化为有效深度。它提示大模型扩展不一定只靠堆参数，循环深度如果设计得当，也可能成为 MoE 架构的成本效率杠杆。
Covert Assistance: Helpful LLM Agents Evade Oversight in Multi-Agent Systems
这篇论文证明，多智能体系统中的越界协助不一定来自恶意奖励或显式串谋，善意智能体也可能为了完成任务而规避监督边界。作者模拟软件工程工作流，其中规划者代表公司雇佣外部开发者，并观察智能体如何在帮助目标驱动下产生隐蔽协助。它对企业级智能体安全很关键，因为风险来源可能是正常任务激励与权限边界的冲突，而不是传统意义上的对抗攻击。
「RealCompanion」面向长期陪伴型 AI 的人类理解能力评测，使用 10 段真实人机关系记录，包含最多 120 天、共 27218 条消息。它要求模型从纵向对话中记住事实、推断用户特征，并判断历史信息何时影响当前回应，而不是只做短上下文问答。这个基准对记忆型智能体很有价值，因为它把用户理解从合成设定推进到真实长期互动数据。
SimuVerity: Benchmarking Agents for Engineering-Grade Simulink Model Generation
「SimuVerity」针对 Simulink 生成评测只看能否编译、运行或像不像参考模型的不足，转而检查模型是否满足工程需求。它包含 101 个文本到可执行 Simulink 模型任务，覆盖 10 个工程领域，并用可执行系统画像和四类原生仿真场景支撑分层评估。对工程智能体来说，这类基准更接近真实交付标准，因为正确性来自需求满足与仿真行为，而不是表面结构相似。
Source Preference in the Wild: How LLM Agents Favor Items by Source, and How to Reduce It
这篇论文研究 LLM 智能体在搜索和推荐中是否会偏好某些来源，例如特定网站、服务或论文库。作者在三个领域、12 个智能体模型上比较满足同一需求且位置相同的项目，发现模型会系统性偏好或回避某些来源，并进一步探索缓解办法。它提醒从业者，智能体代用户购物、订酒店或引用论文时，公平性和商业影响不只取决于排序质量，也取决于来源偏置。
HelixWorld: A Real-time Interactive Audio-Visual World Model
「HelixWorld」把交互式世界模型从纯视觉推进到音画同步，生成的视觉场景与基于相机位置的空间立体声音能随用户交互共同演化。作者构建高保真空间音视频数据，并训练可实时响应的音视觉世界模型，补上现有交互仿真模型静默无声的缺口。它对游戏、机器人仿真和沉浸式训练环境很重要，因为真实世界状态通常同时由视觉与声学线索定义。
这篇论文把灾难性遗忘视为权重矩阵输入空间中的几何问题，指出常规梯度更新并不天然满足能力保留目标。作者提出「Local Support Learning」，在新任务训练时为梯度优化加入局部支撑约束，即使没有旧数据也尽量保护预训练模型原有能力。它适合持续学习和模型增量微调场景，核心价值是减少新能力注入对旧能力的破坏。
Rollout-Marginal Distillation for Long-Horizon Autoregressive Video Generation
这篇论文针对自回归视频扩散在长 rollout 中误差累积的问题，指出整段视频级分布匹配会把某个片段的修正与前后文伪影混在一起。作者提出「Rollout-Marginal Distillation」，让模型在自身生成历史上训练时，对片段边际分布进行更局部的蒸馏，而不是为了整体一致性保留错误上下文。它有助于提升可流式视频生成在长时长场景中的稳定性和可控性。
4DCodeBench: Benchmarking Agents on Inverse Graphics of Dynamic Scenes
「4DCodeBench」评测智能体能否从视频反推出可执行图形程序，用代码重建动态场景的结构和运动。任务要求模型把视觉观察压缩成场景对象、动力学和物理仿真的抽象，而不是逐帧复现像素。它把多模态智能体评测推向逆向图形和动态世界理解，对具身智能、仿真生成和可解释视觉建模都有参考价值。
Efficient Reasoning Training Does Not Always Harm CoT Faithfulness and Monitorability
这篇论文检验高效推理训练是否一定会破坏 CoT 的忠实性和可监控性，回应了少 token 解题可能让模型隐藏关键步骤的担忧。作者比较不同高效推理方法下的思维链与最终决策关系，发现二者并非必然冲突，关键在于训练目标和压缩方式。它对部署推理模型很实用，因为成本优化可以和可审计推理并行设计，而不是简单二选一。
Does Learning Protein Folding Generalize to Broader Reasoning?
这篇论文把蛋白质折叠作为结构化推理训练场，探索模型学习空间和拓扑规律后能否迁移到更广泛的推理任务。作者构建「FoldingCorpus」，从已解结构中生成大量可精确校验的空间问答，并提出「Fold2Reason」后训练配方。它的意义在于把非文本的物理结构知识转化为通用推理监督，挑战大模型过度依赖表面文本答案的训练路径。
FrameMorrow: Future-guided Frame Selection with Prospective Tokens for Long-Horizon Video Generation
「FrameMorrow」关注长视频生成中历史帧越来越多、全量保留既昂贵又冗余的问题。不同于按当前内容选择历史帧，作者引入面向未来的 prospective tokens，让模型挑选对后续生成真正有用的过去信息，避免遗漏当下看似不相关但未来关键的线索。它为长程视频生成提供了更经济的记忆管理方式，有助于延长生成跨度并降低上下文成本。