该 PR 将 PyTorchModelEngine 的 spec decode 开关、draft 长度和 dummy 标记改为调用态参数，并拆分 decoder-only engine state、scheduled inputs、warmup 与 CUDA graph 的 decoder 资源管理。它降低了推测解码对可变 engine 字段的依赖，让 draft buffer、warmup 和 CUDA graph 生命周期更适合稳定推理与硬件执行路径。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
该 PR 将 PyTorchModelEngine 的 spec decode 开关、draft 长度和 dummy 标记改为调用态参数，并拆分 decoder-only engine state、scheduled inputs、warmup 与 CUDA graph 的 decoder 资源管理。它降低了推测解码对可变 engine 字段的依赖，让 draft buffer、warmup 和 CUDA graph 生命周期更适合稳定推理与硬件执行路径。
该 PR 修复 MiMo-VL 在 DFLASH/MTP aux hidden states 捕获开启时丢失多模态特征的问题，并校正 vision preprocessing 中与参考实现不一致的颜色和 ViT 特征处理。它恢复了带 speculative drafter 的常规服务配置下的图像理解链路，提升多模态推理的正确性与可用性。
fix(autotuner): reuse managed winners with matching profiling policy
该 PR 为 FlashInfer managed autotuner v2 的持久化 winner 增加 profiling policy 元数据，覆盖 CUDA graph replay 次数和 hot/cold L2 策略，并在复用时要求来源策略匹配。它让 autotuner 能在测量条件一致时安全复用 kernel 选择结果，减少重复调优和错误复用带来的性能不确定性。
[Docs] GLM-5.2: move GB300 AgentX recipe to the agentic HiCache section and drop no-op settings
该 PR 将 GLM-5.2 GB300 AgentX 配方从通用 GB300 command generator 移到 agentic HiCache 章节，并移除无效或重复默认值的配置项。它让 GB300 NVFP4、MTP 与 HiCache DRAM Offload 的部署说明更贴合实际硬件和推理场景，降低误配成本。
[Bugfix][KVConnector][NIXL] Size per-region replicate flags by each region's block count
该 PR 修复 KVConnector NIXL 在 P TP D TP 与 HiSparse 组合下按统一 block 数生成 per-region replicate flags 的问题，改为按每个 region 的 block count 对齐 descriptor 构造。它保证 host MLA region 与 GPU region 的 KV 传输标记匹配实际布局，避免分布式 prefill 到 decode 握手失败。
该 PR 让 MRV2 autoregressive speculator 正确接收 SchedulerOutput.num spec tokens to schedule，从而支持动态 K 并避免多余 draft forward 与陈旧 draft token。它减少推测解码中的无效计算，使服务端 speculative kernel 路径能按调度器实际需求执行。
llama.cpp : bump version to 0.6.0
该 PR 将 llama.cpp 提升到 0.6.0，加入 llama batch ext 扩展 batch API、GLM-5.3-Flash 320B、Clef decision model、Qwen4Exp MTP speculative decoding、decision model server API、Web UI 更新以及多后端 attention kernel 变化。它扩展了混合 token 与 embedding 输入、推测解码、决策模型服务和 Metal/Vulkan 等硬件后端的推理适配面。
[Bugfix][KV Offload] Honor speculative cacheability in SimpleCPU
该 PR 修复 eager SimpleCPUOffloadConnector 在推测解码时丢失 CPU prefix-cache reuse 的问题，将 GPU coordinator 的 per-group cacheability 规则共享给 CPU store 选择，并传入 prefill lookahead。它保留多模块 MTP 和 hybrid speculative prefix lookup 所需的可缓存 KV 块，提升 CPU offload 推理中的缓存复用稳定性。
[Model] LongCat-Flash: scale MLA norms while loading and drop the post-load sweep
该 PR 移除 LongCat-Flash load weights 末尾的 post-processing sweep，改为在权重 loader 中缩放 MLA LoRA norms，并修复 target loader 跳过 MTP 权重导致模型无法加载的问题。它让 LongCat-Flash 的加载流程只负责加载并在正确时机处理权重，提升 FP8 与 MTP 相关模型初始化的可靠性。
[Feature][Spec Decode] Support sampling mask replay for MRV2 MTP
该 PR 为 Model Runner V2 的 fixed-boundary speculative decoding 增加 sampling-mask replay，基于 compact sampling-mask 表示为 accepted、recovered 和 bonus token 返回处理后的 target support set。它在保留单 token fast path 与 packed-mask fallback 的同时，扩展了 MTP、EAGLE、dFlash、dSpark 和 draft model 等推测解码配置的服务能力。
该 PR 修复 GraniteMoeHybrid、FalconH1 和 Zamba2 在 speculative decoding 下 MambaSpec.page size bytes 断言失败的问题，使配置阶段的 Mamba state shape 计入 speculative tokens。它让混合 Mamba/SSM 模型在启用推测解码时能正确完成 KV cache 设置并启动推理。
[Speculative] Add opt-in block verification
该 PR 为 SGLang 增加 opt-in block verification，实现 Block Verification Accelerates Speculative Decoding 中的块级验证路径，并自动启用所需 proposal sampling 与 draft probability 存储。它相比 token-wise rejection sampling 可在保持 target sampling 语义的前提下接受更长 draft 前缀，为推测解码提供新的控制流选择。
[Docs] Add reviewer area of interest for TheEpicDolphin
该 PR 在 vLLM 文档中为 reviewer TheEpicDolphin 增加 Spec Decode 关注领域。它改进了推测解码相关变更的评审路由信息，有助于服务与推理模块的维护分工。
[Bugfix][Spec Decode] Reserve the bonus KV slot for fill-in DSpark
该 PR 修复 DSpark 在 sample from anchor=false 时只为 N 个 draft query 预留 lookahead slot、却会写入 bonus query 加 N 个 draft query 的不匹配问题，改为为该布局预留 N+1 个 KV slot。它避免 KV block 边界处使用陈旧 block-table entry 污染其他请求的 target KV，提升推测解码服务正确性。
[TRTLLM-16773][fix] fix dummy slot issue
该 PR 在 eagle3.py 中仅调整 import 格式，输入摘录未显示运行时行为变化。它对训练、推理、性能或硬件适配没有可依据输入确认的工程影响。
llama : re-reserve the sched when the nextn extraction flags change
该 PR 在 nextn extraction flags 变化时重新 reserve scheduler，修复 MTP 路径中初始 graph 早于 flags 设置而导致调度重分配失败的问题。它让 MTP speculative decoding 的 graph 与 scheduler 分配状态保持一致，提高调试和推理执行路径的稳定性。
docs(cookbook): enable Top-K v2 for GLM-5.2 MI355X MTP
该 PR 在 GLM-5.2 MI355X MXFP4 的 Low-Latency 与 High-Throughput MTP cookbook 配置中显式加入 SGLANG OPT USE TOPK V2=1，并保留原有镜像、flags、MTP 设置和验证状态。它将 MI355X 配方切换到 DSA indexer 的 Top-K v2 kernel，强化特定硬件上的推理配置一致性。
[CI] Drop the redundant and broken tc_piecewise tests
该 PR 删除冗余且已损坏的 tc_piecewise 测试，这些测试在 Llama 和 Qwen2 decoder 由 stage boundaries 构建后因 Dynamo 无法构造 msgspec.Struct boundary 值而失败。它减少了与当前 fullgraph prefill CUDA graph 捕获路径不兼容的 CI 噪声，让推测解码相关测试集合更贴近有效覆盖。
该 PR 将所有具备 speculation 能力的 row 都路由到 speculative path，修复 ngram speculative decoding 在 Qwen3-Next、Nemotron Mamba2、Kimi-Linear KDA 等混合 recurrent 模型中因状态存放路径不一致而破坏输出的问题。它让 SSM/Mamba recurrent state 在 verification 与 accepted prefix 选择后保持一致，提升混合 recurrent 模型推理正确性。
[diffusion] fix: load community ComfyUI-GGUF Qwen-Image-2.1 transformers
该 PR 修复 community ComfyUI-GGUF Qwen-Image-2.1 transformers 的加载问题，对 DiT 中被量化且没有 packed-weight 参数的普通 nn.Linear 层按前缀反量化为 BF16，并调整 packed qkv weight 对量化 projection 的跳过逻辑。它提升了 GGUF 社区导出模型在 diffusion 推理栈中的兼容性，并减少量化权重加载路径的硬件适配风险。
Mistral’s new 1T model aims to leapfrog closed and open rivals
Mistral 发布了新的大规模多模态模型「Mistral Large 4」，目标是在闭源和开源阵营中同时追赶美国与中国头部模型。对从业者重要的是，欧洲厂商继续把主权基础设施、多模态能力和前沿模型竞争绑定在一起，企业采购与区域合规选型会多一个高端候选。
Mistral Large 4 is Europe's trillion-parameter answer to US models that refuse security work
「Mistral Large 4」是 Mistral 迄今最大模型，规模达到 1 万亿参数，并在欧洲自有基础设施上训练。独立榜单显示它进步明显但仍落后于 Claude、GPT-6 和部分中国模型，Mistral 的差异化卖点是承接美国闭源模型常拒绝的网络安全工作。
Reflection's Beam becomes the most capable open-weight model built outside China
Reflection 发布首个开源权重模型「Beam」，采用 501B 参数 MoE 架构，每 token 只激活 23B 参数。它宣称在编码和推理上对齐 GLM 5.2，同时使用三到四倍更少计算，说明美国开源权重路线正在用稀疏效率对抗 DeepSeek、Qwen 等中国模型的规模和生态优势。
vLLM v0.31.0 合入 717 个提交，重点围绕 DeepSeek-V4.1-Flash、SM100 默认 FlashMLA、NVFP4 压缩 KV cache、DeepGEMM 稀疏 MQA logits 和 MoE gate 融合等做性能优化。对推理平台团队来说，这个版本继续把注意力、MoE、张量并行通信和小 batch 路径下沉到更细粒度内核融合，是服务 DeepSeek 系列和新硬件时的重要升级。
Reflection AI 推出「Beam」，一个面向编码和 Agent 工作负载的 501B 稀疏 MoE 模型，每次推理激活 23B 参数。官方称其推理能力匹配 GLM-5.2 但推理计算减少三到四倍，Apache 2.0 权重计划在 2026 年 10 月晚些时候发布，对企业自建和本地部署很有吸引力。
Reka 发布研究预览模型「Rho-1」，这是一个 19B 全模态推理模型，可在同一网络和共享 KV cache 中理解与生成文本、图像、视频，并输出机器人动作。蒸馏版本可在约 1 秒生成 5.3 秒视频，但当前没有公开权重，主要价值在于展示统一全模态与动作生成架构的研究方向。
[AINews] Reflection Beam - 501B-A23B American Open Model
Latent Space 将 Reflection 的「Beam」概括为美国开源模型生态的一次小胜，重点在 501B 总参数、23B 激活参数的稀疏 MoE 设计。它的重要性不只在单次榜单表现，而在于美国团队开始用开放权重和高效推理重新参与与中国开源模型的竞争。
Introducing GLM 5.3 on Amazon Bedrock
Z.ai 的「GLM 5.3」已上线 Amazon Bedrock，这是一个 753B 参数 MoE 模型，定位于编码和长程 Agent 任务。AWS 同时强调 OpenAI 兼容 API、提示缓存降本降延迟，以及可用开源 Strix Agent 进行授权安全测试，说明云厂商正在把大模型、Agent 和安全工作流打包成可采购能力。
Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost
Reflection 将「Beam」及后续模型面向企业和主权国家市场，主打让机构建设自己的本地化「AI factories」。这意味着开源权重模型不只是开发者社区资产，也正在被包装成私有数据训练、本地部署和国家级 AI 基础设施方案。
v0.40.0-rc6: model: add multimodal embeddings (#18820)
Ollama v0.40.0-rc6 为 MLX runner 加入多模态 embedding，支持「EmbeddingGemma2Model」架构，包括 24 层双向文本编码器、共享的 Gemma4 视觉和音频塔，以及 mean-pool 加 L2 输出。新的「/api/embed」可按条目接收媒体输入字典，意味着本地推理和检索工作流开始更自然地支持图文音多模态嵌入。
South Korea bets $3.49 billion on building a homegrown frontier AI model to rival China's best
韩国计划通过政府支持的股权投资投入 4.7 万亿韩元，约 34.9 亿美元，建设本土前沿 AI 模型。对产业来说，这代表主权 AI 竞争继续升温，国家级资金会进一步影响算力采购、数据治理、本地模型供应链和区域云服务布局。
Researchers stretch LeCun's JEPA AI into a universal world model that works from physics to biology
PhAI Labs 将 Yann LeCun 的 JEPA 架构扩展到机器人、生物医学等七个领域，试图把它做成跨学科通用世界模型。研究还产生了一个在实验室测试中有希望的肝癌治疗候选，但尚未证明能成为实际疗法；对 AI 基座研究者来说，重点是 JEPA 式表征学习正在从视觉预测走向更广泛的科学建模。
Advancing computer use with Ironclad
「OpenAI」与合同管理平台「Ironclad」合作，把复杂合同工作流作为训练和评测 AI 智能体的真实场景。重点不只是生成文本，而是让智能体在专业软件里理解条款、操作界面、调用工具并完成多步骤任务，对法律、采购和企业后台流程自动化很有参考价值。
「Megatron-LM」在 26.09-alpha.rc1 中把 MoE paged-stash 的 copy 和 pop Triton kernel 启动参数做成可配置项，解决宽激活场景下显存带宽利用不足的问题。示例中 VR200 上 fp8 形状为 32768×7168 的 stash copy 只有约 3.8 TB/s，而普通 copy 可到约 9.9 TB/s，这类优化直接影响大规模 MoE 训练和推理吞吐。
量子位梳理了「OpenAI」所谓疯狂 28 天首日的密集发布，核心看点在于产品、模型能力和开发者生态可能同步推进。对从业者来说，这类发布节奏意味着应用侧需要更快评估新模型接口、价格、工具调用和多模态能力的迁移价值。
Beyond Domain-Specific World Models: JEPA-Anything Uses 1 Recipe for 7 Fields
「JEPA-Anything」试图摆脱为每个领域单独设计世界模型的做法，把 JEPA 的单一潜在目标拆成 4 个正交因素，并为每个因素配置独立预测器。在 7 个领域测试中，它在 10 个动态任务上全部超过匹配的 JEPA 基线，并把「Interventional Pong」干预误差降低 34.8%，说明统一表征配方有机会提升跨领域世界模型的可迁移性。
viable/strict/1791262552: [ROCm] Enable native AsyncTP (#177961)
「PyTorch」为 ROCm 平台启用 fused_all_gather_matmul 的原生 AsyncTP 路径，面向 MI300X 和 MI355X 等 GPU。它用「Composable Kernel」的 PersistentAsyncInputScheduler 复现 CUDA 侧 CUTLASS 的信号协议，让 all-gather 与矩阵乘重叠执行，对张量并行推理和训练的延迟隐藏很关键。
「Together AI」发布免费且 MIT 许可的 CLI「Together Link」，可把「Claude Code」「Codex」「OpenCode」以及桌面端应用连接到「Kimi K3」「GLM 5.3」等开放模型。它提供一条命令安装和自动路由能力，并宣称可节省超过 50% 成本，对依赖编码智能体但希望降低闭源模型调用费用的团队很有吸引力。
Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle
「Google Research」讨论智能体隐私与安全中的开放问题，重点从上下文角度审视生成式 AI 在记忆、工具调用、权限边界和环境交互中的风险。对开发者而言，关键不是单次提示词过滤，而是如何在长上下文、多工具和跨应用任务中定义可验证的访问控制与信息流约束。
New agent skill: Amazon SageMaker optimized generative AI inference for your coding agent
AWS 为 Agent Toolkit 加入「aws-ai-ml」技能，让「Kiro」「Claude Code」「Codex」等编码智能体具备 SageMaker 生成式 AI 推理优化与基准测试能力。开发者描述目标后，智能体可生成可执行的「SageMaker Python SDK v3」代码，用于评测、推荐和对比部署方案，降低推理压测与选型门槛。
Best practices for Amazon SageMaker HyperPod administration and governance
AWS 总结了通过「SageMaker Unified Studio」治理「SageMaker HyperPod」的实践，覆盖基础设施边界、访问控制、共享容量分配以及组织、项目、集群和工作负载层面的运维分工。对平台团队来说，这类治理模型能把大规模训练集群从单点资源池变成可审计、可分摊、可复用的企业级 AI Infra。
Build a voice travel concierge with Amazon Bedrock AgentCore, Managed Knowledge Base and Nova Sonic
AWS 展示了用「Amazon Bedrock AgentCore」「Nova Sonic」和「Bedrock Knowledge Bases」构建航空语音旅行助手的方案。该助手能通过实时语音处理座位变更、航班延误查询和政策问答，并通过 MCP 工具连接后端系统，在写入前进行确认，体现了语音、多知识库和工具调用智能体的落地组合。
Control How Your GPU Shares Work with Green Contexts
NVIDIA 介绍「Green Contexts」，用于控制同一进程内多个独立组件如何共享 GPU 工作负载。随着推理服务中低延迟算子、批处理任务和后台组件并发运行，细粒度资源隔离与调度会直接影响尾延迟、吞吐和服务稳定性。
CATL and Tencent back Deepseek's ballooning funding round as the AI startup eyes a 2027 IPO
据报道，宁德时代和腾讯参与支持「DeepSeek」规模扩大的融资轮，目标金额至少 120 亿美元，并可能瞄准 2027 年 IPO。这反映中国头部模型公司的资本化速度明显加快，也会影响算力投入、模型研发节奏和企业级生态竞争。
viable/strict/1791287563: [inductor-perf] allow fusion into template epilogue inputs. (#198809)
「PyTorch Inductor」允许 pointwise producer 融合到模板 epilogue 输入中，修复此前 addmm 和 baddbmm 的 bias 等只在 epilogue 消费的输入必须先落内存再读回的问题。现在类似 bias 计算可融合进 store_output 路径，减少额外 kernel 和显存往返，对编译器生成高效矩阵算子很实用。
Falcon-Emirati: When an LLM Learns the Dialect, the Culture, and the Nuance
Hugging Face 博客介绍「Falcon-Emirati」，重点是让大模型学习阿联酋方言、文化语境和细微表达，而不只是覆盖标准阿拉伯语。对多语言模型建设来说，这类工作提示了本地化能力的核心在于语料、评测和文化语用，而不是简单增加某种语言的 token 占比。
viable/strict/1791266030: [inductor] Preserve add's alpha when fusing add+mm into addmm (#199811)
「PyTorch Inductor」修复了 add 与 mm 融合成 addmm 时丢失 alpha 参数的问题，此前 torch.add 中 alpha=0.5 可能在 torch.compile 后被静默算成默认权重。这个修复属于编译正确性问题，对依赖图优化和算子融合的训练、推理代码都很重要，因为性能优化不能改变数值语义。
Instinct group chats 💬, Reflection’s 501B model 🧠, OpenAI text watermarks 🏷️
「TLDR AI」这一期覆盖了「Instinct」群聊、「Reflection」501B 模型以及「OpenAI」文本水印等动态。信息点分别对应协作型 AI 产品、超大参数模型竞争和生成内容溯源，对关注模型能力、应用形态和监管合规的团队都有跟踪价值。
Simon Willison 引述 Felix Rieseberg 对「Cowork」架构变化的解释，旧版本把模型推理放在云端，但工具调用在本地 Anthropic VM 中执行，以获得能力、安全和数据隔离。新版调整的背景是本地 VM 带来的磁盘、电量和性能成本，以及合上电脑后任务停止的问题，这正是云端智能体与本地安全沙箱之间的典型取舍。
Building a Streaming Robotics Learning Pipeline Using NVIDIA Cosmos3-DROID
文章展示了如何基于「NVIDIA Cosmos3-DROID」搭建流式机器人学习流水线，无需本地完整下载数据集，而是通过 byte-range Parquet 读取直接训练。结合行为克隆和 temporal ensembling，这种做法降低了大规模机器人数据处理门槛，对具身智能训练的数据工程和快速实验很有价值。
Supercharge regulated workloads with Claude Code and Amazon Bedrock
AWS 宣布「Claude Opus 5.5」和「Claude Sonnet 5.5」可在 AWS GovCloud 美国区域通过「Amazon Bedrock」使用，并可配合「Claude Code」服务受监管和 ITAR 工作负载。对政府、国防和高合规行业来说，这意味着编码智能体可以进入更严格的数据驻留、访问控制和合规环境。
Manage Amazon SageMaker HyperPod Spaces directly from SageMaker Studio
AWS 让数据科学家和机器学习工程师可直接在「SageMaker Studio」中管理运行在「SageMaker HyperPod EKS」集群上的 Spaces，包括创建、配置、启动、停止和打开环境。JupyterLab 与 Code Editor 无需命令行即可启动，降低了共享训练集群上交互式开发环境的使用门槛。
Unlocking Earth AI’s planetary geospatial foundation models for global public health
「Google Research」介绍如何把「Earth AI」的行星级地理空间基础模型用于全球公共卫生场景。关键价值在于把遥感、地理环境和公共卫生数据连接起来，为疾病风险、资源配置和区域干预提供可扩展的基础模型能力。
「Megatron-LM」发布 26.09-beta.rc1，标志着该训练框架进入新一轮候选版本验证阶段。对使用 Megatron 系列做大规模预训练和 MoE 实验的团队来说，beta 版本通常意味着需要开始评估接口变化、性能回归和集群兼容性。
「Ollama」v0.40.0-rc5 修复了近期「mlx」更新后的补丁兼容问题。对在 Apple Silicon 上使用 Ollama 和 MLX 跑本地模型的开发者来说，这类修复直接关系到模型加载、推理稳定性和升级可用性。
viable/strict/1791264641: [Inductor][CPU] Update the stale cache nodes in ranges fusion (#197155)
「PyTorch Inductor」修复了 CPU ranges fusion 中 stale cache node 导致断言错误的问题，根因是比较时引用了过期节点而不是更新后的 range。补丁更新了缓存节点并补充测试，对 CPU 编译路径的稳定性和复杂 fusion 场景的可维护性都有帮助。
Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation
「Kandinsky 6.0 Video」面向文本到音频视频和图像到音频视频生成，直接把视频画面、44 kHz 音频和口型同步纳入同一扩散基座模型族。它提供 3B 的 Lite 与 29B 的 Pro 两档，并内置超分模块把 5 秒片段提升到 Full HD，重点解决多模态生成里音画不同步、分辨率不足和使用入口分裂的问题。对多模态基座从业者来说，这类模型把视频生成从无声短片推进到可交互的音画联合生成，更接近广告、影视预览和虚拟人内容生产的真实链路。
Foundations of Proactive Agents: Principles, Technical Layers, and Proactivity-Gym
这篇工作把主动式智能体的核心风险讲清楚了：即使任务做对，也可能误读上下文、增加用户审核负担或损害信任。论文提出 3T 原则，将任务能力、时间分配和信任放在同一个设计框架里，并用「Proactivity-Gym」评估智能体何时该利用空闲算力提前行动。它的价值在于把主动智能体从炫技式自动执行，拉回到可度量、可控、可被用户接受的工程问题。
Towards Looped Models Done Right, Part II: Rethinking at Fixed Points
循环语言模型的每次递归都会增加训练、解码、预填充和强化学习成本，而这篇论文抓住了一个关键观察：当循环状态接近固定点时，到达路径本身的重要性下降。作者据此设计截断反传、终态 KV 共享、更快的预填充蒸馏学生模型，以及从保存 rollout 状态计算梯度的 RL 更新路径。结果包括预填充最高 1.79 倍加速、RL 梯度计算约 2 倍加速，并且精度几乎不损失，给循环模型的实用化提供了很具体的系统优化方向。
长程智能体通常只有任务结束时才拿到一个验证信号，传统文本记忆又依赖检索命中和冻结策略执行，复用经验并不稳定。「ASCENT」把部署中的相关任务流当成可训练资源，研究在线智能体测试时训练，让模型权重从已验证轨迹中自蒸馏更新。它的意义在于把 Agent 的经验积累从外置笔记推进到参数层适配，但也把测试时训练的稳定性、验证质量和在线安全边界变成新的核心问题。
How Sparse Probability Maps Shape Mixture-of-Experts Routing
MoE 路由常用 softmax 后取 top-K，使每个 token 固定使用 K 个专家，而 sparsemax、alpha-entmax、normmax 这类稀疏概率映射看上去能让专家参与数随 token 自适应变化。论文在匹配的 300M 和 1B top-2 MoE 上考察稀疏性经过训练后是否仍然保留，聚焦概率映射、top-K 机制和真实专家利用之间的关系。它对 MoE 架构设计很实用，因为路由稀疏并不只取决于推理时公式，训练动力学会决定专家负载、容量浪费和 token 级条件计算是否真的成立。
ALoDLM: Adaptively Looped Diffusion Language Models
扩散语言模型能并行预测多个 token，但和同规模自回归模型相比仍有质量差距，论文把原因归结为计算难度与统一计算深度不匹配。 「ALoDLM」让模型按未知位置的难度自适应循环，把更多计算分给难 token，而不是对所有未观测 token 使用相同深度。这个思路把扩散语言模型的优势从单纯并行推理，推进到按 token 难度分配算力，有助于缩小质量差距并提升生成效率。
Memadapter: Counterfactual Adaptation Against Memory-induced Sycophancy
长期记忆能让 LLM Agent 个性化和跨会话工作，但也会诱发迎合：模型过度顺从用户过去的错误、过时或与证据冲突的观点。 「Memadapter」关注的不是简单删除错误记忆，而是通过反事实适配削弱记忆对迎合行为的因果影响，使智能体在保留个性化能力的同时更能服从客观证据。它切中记忆型 Agent 的关键安全问题：记忆不是越多越好，系统还需要学会在证据冲突时抵抗历史偏好。
测试时训练允许模型在推理阶段把信息写入权重，但当训练样本来自模型自己的输出时，更新会反过来改变下一轮样本分布，形成不稳定闭环。论文在 128K token 长流上发现，保留生成文本更新会让 125M、760M、3B 三种 TTT-E2E 配置在独立人类文本上的预测变差，Adam 直接更新 Qwen3-4B 权重也出现类似失败。它提醒在线适配系统不能把自生成反馈当作免费数据，长程部署需要区分外部真实信号和模型自我强化噪声。
SearchJev: A Fast and Calibrated System-1 Model for Search Agents
搜索智能体要频繁判断相关性、证据是否足够以及下一步搜索动作，用生成式大模型逐字输出会带来延迟和置信度不可靠。 「SearchJev」把快速决策从慢速推理生成中拆出来，给定搜索状态和决策 schema 后直接对合法选项打分，并用软标签学习校准置信度。它适合被放进搜索 Agent 的系统一层，用较低延迟处理高频控制决策，把大模型留给真正需要深度推理和生成的环节。
OSWorld-Pro: Process-based Evaluation for Computer Use Agents
现有计算机使用智能体评测常只看最终交付物是否可用，像 OSWorld 这类终态验证很难解释失败发生在输入、定位、规划还是执行环节。 「OSWorld-Pro」改成过程式评估，把长达数百步的任务拆出可诊断轨迹，让错误类型与改进策略对应起来。对桌面自动化 Agent 来说，这比单一成功率更有工程价值，因为修键盘输入错误和修规划失败需要完全不同的数据、工具和训练信号。
OmniReasoning: Pushing the Limits of Audio-Visual Joint Reasoning
现有全模态模型虽然能处理音频、视觉和语言，但训练数据与评测常把模态分开，难以衡量真正需要音画共同推理的能力。「OmniReasoning」同时提出基准、数据引擎和学习方法，其中「OmniReasoningBench」要求音频与视觉证据都不可或缺。它的价值在于把多模态评测从感知拼盘推进到联合推理，能更准确暴露视频问答、场景理解和具身交互中的跨模态短板。
Base Models Can Reason By Taking a Cue From Training Data
论文指出，基座模型回复开头的 token 会触发训练数据中关联过的推理行为，因此同一个未 RL 模型可能因开场提示不同表现差异巨大。固定特定起始 cue 后，Olmo-3-7B 在 MATH-500 的 pass@1 可从 42% 提到 78%，Qwen3-14B 也能从 72% 显著提升。这个发现说明一部分推理能力已存在于基座模型中，RL 未必总是在创造能力，也可能是在稳定触发、放大和规范化已有行为。
UndoBench: Separating Task Competence from Recovery Capability in Tool-Using AI Agents
工具使用智能体在企业软件中不只要按计划完成任务，还要能从误操作、环境变化和工具故障中恢复，而现有基准常把这两种能力混在一起。 「UndoBench」覆盖 8 个企业领域、36 个基础工作流和 36 个故障场景，通过相同随机种子的反事实配对试验分离任务能力与恢复能力，并记录线级效果历史与环境状态。它让 Agent 评测能回答一个更现实的问题：模型到底会不会补救，而不只是会不会在理想路径上完成。
RealtimeWAM: One-Step Asynchronous World Action Models
World Action Models 借用视频生成骨干的视觉表示来预测动作，但多步动作去噪和视频专家、动作专家的顺序等待会拖慢推理。 「RealtimeWAM」把目标放在一步异步世界动作建模上，减少专家内部迭代和专家之间等待，使视觉表示复用更贴近实时控制需求。它对机器人和具身智能很关键，因为动作模型的价值不仅看预测精度，还取决于能否在真实交互延迟内完成决策。
长视频理解通常被简化为在固定原生分辨率下挑帧或挑视觉 token，但论文指出分辨率、帧数和前端解码延迟其实应联合分配。跨多个 VLM 和长视频基准的实验显示，密集低分辨率采样往往优于稀疏高分辨率采样，而前端延迟更多受候选池大小影响，不只由最终 token 预算决定。它给视频 Agent 和长视频 RAG 一个直接启发：预算优化要同时管帧、像素和解码前端，不能只在 token 压缩上做文章。
Dynamic Harness Search: Building Multi-Agent Systems Per-Query via Prediction
多智能体系统的角色、指令、工具和通信结构会强烈影响任务结果，但为每个 query 在线试跑多个 harness 成本很高，人工设计又难以覆盖变化。「SHIFT」把执行移出逐 query 搜索环节，让本地 LLM 架构师从历史搜索中学习 harness 构建动作，预测当前任务应采用的系统结构。它把多 Agent 编排从静态模板推进到按问题动态生成，适合需要在成本、质量和工具组合之间快速权衡的生产场景。
How to Loop MoE: Flatten the Experts, Untie the Attention
循环 Transformer 通过重复使用层块来提高固定参数的计算利用率，而稀疏 MoE 只为每个 token 激活少量专家，二者结合后核心问题变成专家如何在循环中被组织和复用。论文提出「Foil」，主张展平专家并解耦注意力，使专家参数和专家计算预算在循环 MoE 中更合理地发挥作用。它为 MoE 扩展提供了另一条路线：与其单纯堆更多专家，不如研究循环计算下专家利用、注意力共享和条件计算的结构设计。
Mind the Accent Gap: British Accent Robustness in Speech-Driven Financial Voice Assistants
金融语音助手把 ASR 和 LLM 推理串起来后，苏格兰、爱尔兰、威尔士等英式地区口音的识别错误会继续污染工具调用参数，造成错误或缺失响应。论文聚焦可部署 ASR 的口音鲁棒性，同时考虑金融场景的延迟和内存约束，而不是只追求离线准确率。它提醒语音 Agent 的可靠性瓶颈常在前端识别，特别是高风险行业中，区域口音偏差会直接变成业务错误和合规风险。
Adapting prior-data fitted networks for tabular anomaly detection
表格异常检测很难像图像和视频那样直接受益于深度特征，原因之一是强表格表示长期不足，而先验数据拟合网络 PFN 正好提供了新的表示来源。论文研究如何在没有预先可用异常样本的条件下，把 PFN 表示适配到异常检测任务中，这比常规监督分类更接近真实部署。它的意义在于把表格基础模型能力迁移到风控、监控和工业数据异常发现，为低标签场景提供更强的深度表示路径。
Revisiting Label-Free Speaker Embedding Enhancement with vMF Profile Likelihood
说话人验证在声学失配下可通过嵌入增强改善表现，同时保持主干模型冻结，但近年的无标签方法常引入较复杂结构。论文把训练中直接可见的干净目标建模为单位超球面上的 vMF 似然，并剖分出样本级浓度参数，把问题简化为几何匹配。这个做法用更朴素的概率建模重新审视说话人嵌入增强，对需要低改造成本部署语音认证系统的场景很有吸引力。