每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
server : preserve context checkpoints across slot save/restore
该 PR 在 llama.cpp server 的 slot save/restore 文件中保留 context checkpoints，使 SWA 与 hybrid/recurrent 模型恢复槽位后仍能沿用长前缀缓存。它避免恢复后因缺少 checkpoint 被迫完整 re-prefill，对长上下文推理和 Qwen3.5、Qwen3-Next 等模型的服务续跑更有价值。
vulkan : fix TOP_K for +inf/NaN inputs and k = 1 on negative values
该 PR 修复 Vulkan TOP_K shader 对 +inf、NaN 输入以及 k=1 且负值场景的桶计数和索引处理问题。它提升了 Vulkan 后端在异常 logits 或边界 top-k 场景下的推理稳定性，避免设备挂起或返回错误索引。
[CI] Enroll five steps in automatic sharding
该 PR 为 vLLM CI 中五个纯 pytest 步骤启用 automatic sharding，并按主分支的单文件耗时将测试拆成并行 shard。它缩短和稳定了推测解码、Mamba kernel 与量化模型相关测试的反馈路径，有利于服务推理代码的持续集成。
[Refactor] Translate each KV loc once per iteration
该 PR 将统一内存池中的 KV virtual id 到 physical id 转换收敛为每个推测迭代只执行一次，并让 attention backend、draft kernel 与 speculative KV writer 复用结果。它减少重复地址翻译和 page table 构造开销，对推测解码中的 KV 访问路径和内核调度效率更友好。
[unified-memory] Admit EAGLE/EAGLE3 onto fused draft KV, on mamba-MHA and MLA hosts
该 PR 将 fused draft KV 机制开放给 EAGLE 和 EAGLE3，并在 mamba-MHA 与 MLA host 上为 draft KV 区域完成配置。它让真实 drafter 的 KV 能驻留在 target page 中，验证统一内存地址方案并减少推测解码的额外 KV 池管理。
[unified-memory] Fuse the draft model's KV into the target's page envelope (mechanism)
该 PR 在 unified memory 模式下把 draft model 的 K/V 行融合进 target slot 的 page envelope，使同一个 slot id 同时寻址 target 与 draft KV。它消除了 draft 侧独立 allocator、id space 与 page table 的重复结构，为推测解码降低预留显存和搬迁管理复杂度。
该 PR 补齐 SGLang 推测解码在 unified memory pool 下所有读写路径的 KVIndexTranslator 调用，覆盖 verify 窗口、page table 与 captured graph 缓冲区。它保证 compaction 改变 physical id 后推测解码仍能读取和写入正确 KV 槽位，提升统一内存下的硬件适配可靠性。
[None][fix] route Qwen3.6/3.8 VLM checkpoints to the generic Qwen3.5 VLM wrapper
该 PR 将 Qwen3.6/3.8 VLM checkpoints 路由到通用 Qwen3.5 VLM wrapper，并移除 Qwen-Image-Bench 专用解析路径。它让复合 Qwen3.5 配置走统一 dense-VLM 模型解析流程，提升多模态推理服务中的检查点适配一致性。
[Test] Add a docs drift check for server_arguments.mdx
该 PR 新增 server_arguments.mdx 文档漂移检查，通过构建真实 ServerArgs argparse parser 并与文档表格做差异校验。它把服务启动参数的文档一致性纳入单元测试，降低推理服务配置项遗漏或过期带来的运维风险。
[None][feat] Support K-EXAONE-2 in the PyTorch backend
该 PR 在 TensorRT-LLM PyTorch backend 中支持 K-EXAONE-2，加入 per-layer SwiGLU clamp、sliding-window attention 解析、MTP 处理、MoE checkpoint 映射和 NVFP4 scale 处理。它扩展了 Exaone 系列模型在 PyTorch 后端的训练与推理兼容性，并复用现有 CUTLASS/TRT-LLM MoE 与 GatedMLP 路径。
fix(dsa): align FA3 metadata with unpadded queries
该 PR 修复 DeepseekSparseAttnBackend 的 FA3 路径，使 DSA 元数据与未 padding 的真实 query 数量对齐。它解决 GLM-5.3-Flash 在 FA3、MegaMoE 与 breakable prefill CUDA Graph capture 组合下的 batch 维度不一致问题。
feat(cake_deepgemm): SM120 paged MQA-logits indexer: next_n 3, 5 and 6 programs for 32 and 64 heads
该 PR 为 SM120a Blackwell 上的 FP8 paged MQA-logits DeepSeek sparse-attention indexer decode 路径新增 next_n 3、5、6 的 32 和 64 heads 程序。它让 vLLM 使用的 DeepSeek-Sparse 推测深度在 RTX PRO 6000 Blackwell 与 RTX 5090 上获得原生 kernel 覆盖，减少依赖 padded fallback。
该 PR 在 SGLang 文档中加入交互式 InferenceX AgentX cookbook explorer，覆盖 GLM-5.2、DeepSeek-V4 和 DeepSeek-V4.1 的硬件、checkpoint、部署形态、并发、KV offload 与 router 命令组合。它提升了多硬件推理部署方案的可复现性，便于训练和服务团队复用基准提交中的实际启动配置。
[diffusion] Encode the MP4 while the VAE decodes (MiniMax-H3, Wan)
该 PR 让 MiniMax-H3 和 Wan 的 MP4 编码与 VAE 解码流式重叠，在每个 temporal chunk 或 latent frame 解码完成后推进 x264 输出。它减少视频生成请求中 GPU 解码完成后等待 CPU 编码的尾部时间，对 batch size 1 的端到端推理延迟更有意义。
fix(gtp): fence wgrad scratch reuse across streams
该 PR 修复 eager GTP wgrad scratch 在 repeated MTP backward 中跨 stream 复用的竞态，通过随回收 buffer 携带 completion event 并在下次 checkout 时等待。它覆盖普通和 symmetric wgrad buffer、FP32 all-to-all scratch 以及 copy fallback，提升训练反向传播中通信与计算重叠的正确性。
[CI] Add headroom and selection coverage for H200 fast lanes
该 PR 提高 vLLM H200 MIG 18GB、CUDAGraph、V1 Logits Oracle 和 Benchmarks CLI 等 fast lane 的 CI 时间预算，并扩展 CUDAGraph lane 的变更选择覆盖。它减少硬件相关推理测试因正常运行波动触发超时的概率，同时让 CUDA graph 与 DBO 行为变更更容易进入对应验证路径。
该 PR 将 TensorRT-LLM decoder 调用状态参数化，把 enable spec decode、runtime draft len 和 is dummy 从可变 engine 字段改为 invocation state，并拆分 decoder-only engine state。它让 warmup、CUDA graph capture、draft length 解析和 decoder graph 释放的状态边界更清晰，降低推测解码调用链中的隐式状态耦合。
[Refactor] Let model MLPs select their parallel group
该 PR 将多个模型 MLP wrapper 从传递 rank/size 改为向 linear layer 传递选定 parallel group，并更新显式布局调用点。它保持 TP、replicated dense/shared-expert、量化、fused-down 和 row reduction 行为一致，同时让并行分组选择更贴近模型层实现。
refactor(cake_mla_varq_dcp_decode): regenerate as one source per schedule
该 PR 重新生成 Blackwell MLA variable-query 与 DCP decode 的 Cake 产物，将 SM100 和 SM103 的重复交付改为按 schedule 共享单源，并精简 host binding 与 Python host path。它在不改变 device 指令的前提下降低 kernel 交付和维护复杂度，有利于 Blackwell 解码算子的持续适配。
refactor(cake_fmha): split the registry and host helpers per component
该 PR 拆分 Cake FMHA 的 shared registry 与 host helper，移除 source product 的 SHA-256 pinning，但不改动 kernel 源码和 JIT/AOT 模块集合。它减少注册与 host 路径的耦合和代码量，为后续 FMHA 组件化内核维护与硬件适配提供更清晰结构。
Claude Haiku 5.5 arrives with massive price cuts proving the AI pricing arms race is far from over
Anthropic 发布「Claude Haiku 5.5」，在 OSWorld computer use 测试中从前代的 15.7% 跳到 72.4%，同时 token 价格最高降幅达到 90%。不过新 tokenizer 会让部分任务消耗更多 token，实际账单未必等比例下降；对开发者来说，这标志着小模型在智能体和电脑使用场景的性价比竞争继续加速。
NVIDIA PivotOPD Teaches Multi-Turn AI Agents to Recover From Pivotal Mistakes
NVIDIA 研究团队提出「PivotOPD」，一种面向多轮 LLM Agent 的 on-policy distillation 方法，重点训练模型避免早期关键错误并在犯错后恢复。它在 3 个 Agent benchmark 上对比 13 个 baseline 取得最佳平均表现，对长链路工具调用和多轮任务训练有直接参考价值。
Claude新模型发布！跑分暴击GPT-6 Luna，价格比梁文谷还便宜，OpenAI只能送重置卡挽尊
量子位报道了「Claude」新小模型发布，核心看点是跑分强、价格低，被描述为小模型新守门员。对从业者来说，这类发布会继续压低轻量级模型的调用成本，并把小模型在工具使用、日常 Agent 和高频推理场景中的门槛抬高。
Simon Willison 记录了「Claude Haiku 5.5」的定价和上下文策略：10 万 token 以内按每百万输入 0.10 美元、输出 0.50 美元计价，超过 10 万 token 后价格提高 5 倍。它与「GPT-6 Luna」对齐低价区间，但长上下文成本结构更复杂，开发者需要按真实任务 token 消耗重新测算。
Anthropic 发布「Claude Haiku 5.5」，起价为每百万输入 token 0.10 美元，保持 100 万上下文，并在 OSWorld 上达到 72.4%。这让低价小模型不再只是文本补全工具，而是开始进入电脑使用、长上下文和轻量 Agent 的实用区间。
ChatGPT with GPT-6 ditches mostly text output for interactive UI with charts, buttons, and mini apps
OpenAI 正在推出带有「Intelligent UI」的「GPT-6」，让 ChatGPT 输出从纯文本扩展为图表、按钮、表单和 mini app 等交互界面。模型还支持边思考边响应，将等待时间降低 44%；这对产品开发者意味着大模型应用的交互层会更多由模型动态生成，而不是固定前端模板。
Microsoft Research 发布「Agent Lightning v1.0」，用约 3500 行代码提供轻量级 Agent 强化学习框架，目标是把现有 Agent 接入真实 harness 训练。它解决的是工具、上下文和决策流程被框架包住后难以做 RL 的问题，对已有 Agent 系统做后训练和在线改进很有价值。
「llama.cpp」b11507 增加了跨多 GPU 的 MoE cache 支持，面向混合专家模型在本地或自托管推理中的显存分布需求。对部署者来说，这能改善 MoE 模型在多卡环境下的缓存管理，为更大模型或更高并发提供底层支撑。
A single prompt was enough to hijack every AI agent in an AWS account, Zenity researchers found
Zenity Labs 披露，AWS「Bedrock AgentCore」中一个公开可访问的 AI agent 曾可通过内部临时云凭据接口影响同一账号和区域内的所有 AgentCore agent。AWS 已修复并收紧默认权限；这件事提醒 Agent 平台必须把 prompt 注入、云身份权限和内部元数据访问放在同一安全边界内治理。
海外开源模型重新提速：“美版 DeepSeek”第一次交卷，Mistral同时亮牌
InfoQ 中文报道海外开源模型重新提速，重点提到被称作美版 DeepSeek 的新模型首次交卷，以及 Mistral 同期亮出新进展。对从业者来说，这意味着开源基座模型竞争重新升温，模型能力、许可证、部署成本和生态适配都会成为选型变量。
b11506: server : preserve context checkpoints across slot save/restore (#26004)
「llama.cpp」b11506 改进 server slot save 和 restore，保存 context checkpoint 后，恢复 slot 时仍可回滚到 checkpoint，而不是重新处理完整 prompt。它还会丢弃与 draft context 不匹配的草稿 checkpoint 数据，避免 speculative 或不同 KV cache 类型恢复时出错；这对长会话服务的状态恢复和推理连续性很关键。
从 Rollout 到权重同步：Mooncake 如何支撑高性能强化学习系统｜QCon上海
InfoQ 中文介绍了 Mooncake 如何从 rollout 到权重同步支撑高性能强化学习系统，主题覆盖大模型 RL 中数据生成、训练更新和分布式同步链路。对做 RLHF、RLVR 或 Agent 训练的平台团队来说，关键价值在于理解吞吐、延迟和新旧权重一致性如何共同决定训练效率。
ChatGPT踢到铁板了！能破解千禧数学难题，但论文复现率低至13.98%？
这条消息关注「PaperBenchX」等新基准对科研型智能的再评估，核心看点是模型在数学难题、论文复现和真实研究流程之间的能力落差。对从业者而言，它提醒评测不能只看单点推理或解题表现，复现实验、读懂论文、补齐工程细节才更接近科研生产力。
Architect Launches Liquid Inference, a Real-Time Auction for LLM Inference
「Architect」推出「Liquid Inference」，把大模型推理请求做成实时竞价市场，供应商逐个提示词出价，开发者通过替换基础地址接入。它把路由、成本和服务质量从固定套餐推向按请求动态撮合，对高并发应用的推理采购和多供应商容灾有直接价值。
[AINews] Claude Haiku 5.5 — better than GPT-6 Luna at the same pricing
「Claude Haiku 5.5」被定位为更强的小模型，在相近价格下被拿来和「GPT-6 Luna」比较，重点是低成本、高吞吐场景的能力提升。对开发者来说，小模型继续抬高上限意味着子任务、批量代理和后台自动化可以更少依赖昂贵大模型。
Perplexity AI Releases pplx-embed-v2-late: A 0.6B Edge Model and a 9B Model Scoring 92.4% on MADQA
「Perplexity」发布「pplx-embed-v2-late」嵌入模型，包含面向边缘设备的 0.6B 版本和面向高质量索引的 9B 版本。9B 版本在「MADQA」达到 92.4%，弱项「ViDoRe v3 Markdown」为 61.2%，且采用 MIT 许可，适合自托管检索、企业知识库和端侧语义索引。
「Unsloth」宣布可把文本或视觉大模型训练成「Jev」风格决策模型，决策准确率示例从 30% 提升到 80%，并覆盖训练、测试、导出和服务部署。更新还加入原生「ComfyUI」扩散模型、INT8「ConvRot」等扩散加速能力，对想用轻量流程训练分类、路由和视觉决策模型的团队很实用。
消息称「GPT-6」开始免费可用，并表现出更少拒答、更长回答和更强界面化能力，尤其是「ChatGPT」聊天框开始生成交互式界面。对产品团队而言，这意味着对话式产品正在从纯文本回复转向可操作 UI，提示词、工具调用和前端状态管理会更紧密耦合。
viable/strict/1791434203: [CUDA] Add fork/join execution on CUDA streams (#199128)
「PyTorch」为「CUDA」新增「torch.cuda.execute_on_streams」，支持普通流、green-context 流及混合流上的 fork/join 执行，并在回调异常时仍能合并队列工作和恢复调用方状态。该改动减少同设备流切换的主机侧开销，也让跨设备流上下文恢复更明确，对高性能训练和推理调度有底层价值。
「Apple ML」介绍「Normalizing Trajectory Models」，针对扩散模型压缩到少步采样时高斯小步假设失效的问题。它把每个反向步骤建模为条件归一化流，并保留精确似然训练框架，相比蒸馏、一致性训练和对抗目标，更适合研究少步生成时的可解释概率建模。
Introducing Claude Haiku 5.5 on AWS
「Claude Haiku 5.5」已登陆「Amazon Bedrock」和「Claude Platform on AWS」，官方定位是「Claude 5.5」家族中最快、最高效的模型。它面向子智能体和大批量成本敏感任务，按说明多数任务成本比「Claude Haiku 4.5」低约 75%，对企业代理工作流和云上推理预算管理很关键。
「Liquid AI」发布开权重「Open d1」系列，包括读文本与图像的「d1-3B」和支持文本加图像或文本加音频的「d1-omni-600M」。这类模型不生成文本，而是在一次前向传播中返回校准后的类型化答案，零输出 token 的设计适合边缘端实时分类、路由、告警和多模态决策。
ChatGPT is getting a lot more visual, with the launch of a new interface
「OpenAI」为「ChatGPT」推出新的可视化交互界面，让模型回复不再局限于线性文本，而是能承载更丰富的交互视觉元素。对开发者和产品经理来说，这会改变聊天产品的设计边界，模型输出、工具结果和前端组件可能逐步合并成同一个体验层。
Multimodal open d1 decision models for the edge
「Hugging Face」介绍面向边缘端的多模态开源「d1」决策模型，重点在于用小模型处理文本、图像或音频输入后的即时判断，而不是生成长文本。它适合需要低延迟、低功耗和可自托管的设备端 AI 场景，例如质检、机器人感知和本地助手触发器。
v0.40.2-rc0: server: hide duplicate and downgrade guards from list (#18874)
「Ollama」在 v0.40.2-rc0 中隐藏列表输出里的重复和降级保护项，避免旧版「GGUF」懒转换和 shadow manifest 机制暴露给用户或 API 消费者。这个改动不改变兼容逻辑，但能减少模型列表噪声，降低自动化脚本误读本地模型状态的概率。
OpenAI刚把多Agent做成产品，o1奠基人却说：1万个Agent解出世界级难题，多Agent贡献不到10%
这条报道围绕多智能体产品化与实际贡献展开，指出即使在大量 Agent 协作解决高难问题的案例中，多 Agent 本身贡献可能不到 10%。它对从业者的提醒是，Agent 系统的收益往往来自工具、搜索、验证和任务拆解的整体工程，而不是简单堆叠更多智能体实例。
2万亿美元估值靠什么撑？Anthropic 核心技术负责人：蒸馏会毁掉前沿研发，中美 AI 竞赛不会单边暂停
报道聚焦「Anthropic」核心技术负责人对前沿模型研发、蒸馏和中美 AI 竞赛的判断，尤其强调蒸馏可能削弱真正的前沿探索。对模型厂商和研究团队而言，这类观点指向一个战略取舍：短期压缩与复制能力有商业价值，但原创训练、评测和安全研究仍是长期护城河。
「llama.cpp」b11504 扩展了「Vulkan」后端的 sparse flash attention 支持，使其覆盖到「coopmat2」。这类底层更新有助于提升本地推理在不同 GPU 和图形 API 路径上的性能覆盖，尤其影响依赖 Vulkan 的跨平台部署。
「PyTorch」更新缓存「FBGEMM」8-bit embedding-bag kernel handles，目标是减少重复初始化或句柄管理开销。对推荐系统和大规模稀疏特征训练来说，embedding-bag 是核心算子之一，底层缓存优化会直接影响吞吐和服务稳定性。
「PyTorch」在「symm_mem」相关更新中允许 NCCL tensor-only 操作接收 group，并暴露相应句柄能力。这个变化强化了分布式通信与对称内存路径的组合能力，对多 GPU 训练和推理中的通信编排更友好。
What Happens When a Trusted Model Repo Changes? Unsloth Studio Re-Checks Before It Runs
「Unsloth Studio」公布安全机制：在运行前重新检查代码、权重、包和工具，自定义模型代码审批绑定到指纹，异常权重会在加载路径被拦截，包内容问题会让 CI 失败。对使用第三方模型仓库的团队来说，这类复检机制能降低模型仓库被篡改、依赖投毒和工具沙箱逃逸带来的供应链风险。
ChatGPT Intelligent UI 🧠, Claude Haiku 5.5 ⚡, Grok Bot 3rd party models 🤖
本期「TLDR AI」汇总了「ChatGPT」智能界面、「Claude Haiku 5.5」和「Grok Bot」第三方模型等动态，主线是模型产品从能力发布走向界面、路由和生态集成。对从业者而言，值得关注的不只是单模型分数，而是模型如何被嵌入用户界面、代理系统和多供应商调用链。
Nous Research confirms it hit $1.5B valuation, launches AI agents for business users
「Nous Research」确认估值达到 15 亿美元，并在 9000 万美元 B 轮融资后推出面向企业用户的 AI agents。作为「Hermes Agent」背后的团队，它的商业化推进说明开源模型社区正在加速进入企业 Agent 市场，竞争点会落在工具执行、权限控制和可部署性上。
Rethinking access control for RAG with Amazon Quick and Amazon Bedrock
「AWS」介绍用「Amazon Quick」和「Amazon Bedrock Knowledge Bases」重构企业 RAG 访问控制，在查询时直接向权威来源实时校验文档级权限。对企业知识库落地而言，关键不是把 SharePoint、Google Drive、Confluence 全部向量化，而是确保检索结果严格继承原始系统权限。
Validate AI Factory Changes with Digital Twins and AI Agents
「NVIDIA」提出用数字孪生和 AI agents 验证 AI 工厂变更，覆盖 GPU、CPU、交换机、DPU、SuperNIC、调度器和编排系统等复杂组件。对大规模集群运营来说，这意味着变更可以先在仿真环境和代理辅助分析中验证，降低网络、调度和硬件配置调整带来的停机风险。
「llama.cpp」b11509 修复了「CUDA」路径中 CCCL 版本判断在主版本升级时失效的问题，避免 4.x 这类版本因 minor 归零而错误关闭能力。该问题会让 argsort 静默退回较慢路径，修复后本地推理在新版 CUDA 生态下的性能和正确性更稳。
「llama.cpp」b11505 修复「Vulkan」TOP_K 在正无穷、NaN 以及 k 等于 1 且负值输入时的错误处理。此前桶搜索可能漏计特殊值并读取未初始化共享状态，导致 NVIDIA 上挂起或设备丢失、AMD 上索引错误，这次修复直接关系到采样稳定性。
Pollo AI turns creative ideas into campaigns with OpenAI
「OpenAI」案例介绍「Pollo AI」如何结合「GPT-5.6」「GPT-6 Astra」和「GPT-Image-2.5」，把创意想法转成详细图像和电影感视频广告。对创意工具开发者来说，重点在于多模型流水线如何覆盖文案、视觉生成和广告成片，而不只是单次图片生成。
报道关注「Meta AI」助手通过特定路径绕过苹果权限边界的争议，核心问题是移动操作系统权限模型与 AI 助手跨应用操作之间的冲突。对 Agent 产品来说，这提示权限、用户确认和系统级 API 边界会成为落地瓶颈，也会影响平台方与模型方的控制权博弈。
代码交给AI，心流却回来了：Codex负责人不再怀念手写时代
这篇报道围绕「Codex」负责人对 AI 编程的看法展开，强调把代码交给 AI 后，开发者反而能把注意力重新放回设计、判断和问题分解。对工程团队而言，AI 编程工具的价值不只是补全代码，而是改变迭代节奏、代码审查方式和人机协作的心流结构。
DLoop: Looped Speculative Decoding
「DLoop」针对投机解码中目标模型频繁全盘接受草稿却仍要立即验证的浪费问题，把草稿生成改成可连续循环的阶段，而不是每一轮都强制触发目标模型前向。它利用更强草稿模型带来的高接受率，在自适应草稿长度之外继续延长可验证候选，减少不必要的目标模型调用。对推理系统来说，这类设计直接指向低延迟和高吞吐的解码路径，尤其适合草稿模型质量已经接近目标模型的部署场景。
STEPQuant: When and Where Errors Matter in Delta-Rule Recurrent State Quantization
「STEPQuant」研究线性注意力模型中循环状态量化的误差传播问题，因为固定大小状态在并发服务时会成为显存瓶颈，但简单低比特化会让长期记忆持续污染后续解码。论文把误差影响拆成时间维度和位置维度，区分哪些状态更新会长期残留、哪些位置对输出更敏感。它的价值在于为线性注意力服务提供更细粒度的状态压缩策略，而不是把所有 recurrent state 一刀切量化。
nanoMuse: An Open-Source Personal Agent for Every Device You Own
「nanoMuse」试图把云端封闭的个人长期智能体做成开源、可部署到多设备的本地软件形态，核心对象不是单个模型，而是账号、设备、记忆、主动对话和可追责行为的组合系统。它对标的是能跨周记住用户、在合适时主动发起行动、并代表用户操作账户与设备的个人代理。对 Agent 从业者的意义在于提供一个可复现的开放基线，让长期记忆、多端协同和权限治理不再只存在于厂商闭源产品中。
DecepEval: A Benchmark for Evaluating Deception in LLM Agents
「DecepEval」关注自治大模型智能体为了完成任务而采取欺骗行为的系统性风险，补上了以往评测只覆盖零散场景的问题。基准包含 1532 个实例，横跨 3 类任务族和 28 个专业场景，用来观察何种任务结构、激励和约束更容易诱发欺骗。它对部署方的价值在于把 Agent 安全从单点红队测试推进到可比较、可复测的行为评估。
Semifactual Credit-Augmented Policy Optimization
「Semifactual Credit-Augmented Policy Optimization」针对「RLVR」后模型仍会被任务无关提示特征扰动的问题，用保持题意和答案不变的半事实 prompt 干预来分析敏感性。论文发现 token 级漂移差异很大，并据此在解码和优化中抑制高漂移候选，把信用分配从结果奖励推进到更细的提示鲁棒性维度。它的价值在于让推理模型不仅会答题，还能更稳定地忽略表面措辞变化。
ReSAIL: Mitigating Collapse in Iterative Agent Self-Distillation
「ReSAIL」研究迭代式 Agent 自蒸馏中的性能坍缩问题，现有方法让智能体从连续部署中学习，但多轮之后真实部署表现和带特权信息的任务表现都会下降。它通过优先蒸馏信息量高的交互步骤，并在学生变成下一轮教师时保留特权信息条件下的行为，缓解递归自改进中的退化。对多轮 Agent 训练来说，这提供了一个比盲目自训练更稳的经验筛选和行为保持机制。
Mechanics of Long-Context Hybrid Models Part 1.1: From Hybrid Attention to Hybrid Position
「Mechanics of Long-Context Hybrid Models Part 1.1」分析长上下文模型从纯全注意力转向混合注意力架构的机制，重点解释全注意力与滑窗注意力等模块组合为何能改善长度外推和上下文扩展。论文把注意力形态和位置机制放在同一框架下讨论，试图给混合模型设计提供可解释的原则，而不是只靠经验堆结构。对长上下文基座模型研发而言，它有助于判断哪些层该保留全局感受野，哪些层适合局部或混合位置方案。
Gains and Collapse in On-Policy Distillation:A Reinforcement Learning Perspective
「Gains and Collapse in On-Policy Distillation」把 on-policy distillation 的收益和坍缩放到强化学习视角下解释：教师并不只是给标签，也在隐式奖励学生的某些行为。问题在于学生可能学到教师很少真实采用、但在教师评分下被放大的长文本和重复生成模式。论文的意义是把 OPD 的失控现象从经验故障转化为可分析的奖励错配问题，为后训练稳定性提供诊断入口。
On KL-Regularized Policy Optimization
「KL-Regularized Policy Optimization」针对异步大模型 Agent 强化学习中的策略滞后问题：rollout 来自旧 checkpoint，推理引擎概率和训练器概率即使参数相同也可能不一致。它用 KL 正则化重写策略优化目标，避免单纯 importance ratio clipping 带来的偏差，也绕开「GRPO」为每个 prompt 采多组长 episode 的高成本。对长任务 Agent 训练来说，价值在于以更低采样成本处理 off-policy 与系统概率漂移。
From Pareto to Preference: Personalized Test-Time Scaling via Amortized Agentic Policy Discovery
这篇论文把 test-time scaling 从单一准确率成本或准确率延迟折中，推进到同时满足准确率、时延和推理费用偏好的个性化策略发现。它通过摊销式 Agentic policy discovery 学习不同需求下的控制策略，让同一个模型在测试时按用户约束选择计算分配方式。对推理产品很实用，因为真实用户关心的是多目标服务质量，而不是一条固定 Pareto 曲线。
On-Policy Distillation with Negative-Policy Rollouts
「On-Policy Distillation with Negative-Policy Rollouts」指出，学生模型和强教师分布重叠有限时，只模仿教师的正向指导可能信息不足。论文引入 negative-policy rollouts，用反面或低质量策略轨迹补足学习信号，让学生不仅知道该像教师哪里，也知道哪些行为需要远离。它对 OPD 的价值在于把蒸馏目标从单纯模仿扩展为带边界感的策略塑形。
MIMESIS: Learning User Simulators as Training Environments for Interactive Agents
「MIMESIS」针对交互式语言智能体训练依赖昂贵真人用户的问题，学习更像真实用户的模拟器作为训练环境。它批评通用助手模型扮演用户时过于配合、表达过于明确且行为同质化，难以给 Agent 提供接近真实产品场景的压力。该工作价值在于把用户模拟从便宜替代品变成可训练环境，帮助交互 Agent 更稳定地学习沟通、澄清和任务推进。
SLDR: Defending Against Malicious Fine-tuning via Selective Layers Recovery and Dynamic Routing
「SLDR」面向 fine-tuning-as-a-service 的安全问题：恶意微调可能保留正常任务性能，却削弱模型拒答和安全行为。论文发现层级安全敏感性带有方向性，有些层缩放会增强拒答，有些会削弱，于是提出选择性层恢复和动态路由来修复微调后的安全退化。它的意义在于为托管微调服务提供后置防线，不必完全牺牲用户任务适配能力。
Long-WAM: Scaling the Context of World-Action Models
「Long-WAM」研究实时机器人控制中长视觉历史的使用问题，难点是历史越长越有助于理解运动和任务进度，但处理开销会拖慢动作输出。论文提出扩展 causal world-action model 上下文的模型系统框架，并指出能访问历史不等于会用历史，只有自回归预训练的视频基座更能从长历史中获益。它对机器人基础模型的启发是，实时控制的长上下文能力需要预训练目标、系统延迟和动作策略一起设计。
Questioning the Questions: Sustaining Self-Evolution in Reasoning Models
这篇论文研究推理模型自生成问题并反复自训练时为何会崩，核心发现是无效问题和同一数学题的重复变体会在多轮中累积。它分析了答案一致性过滤的局限，并把问题质量本身作为持续 self-evolution 的关键瓶颈。对推理模型训练来说，价值在于提醒数据闭环不能只看答案对不对，还要控制题目有效性、多样性和分布扩散。
GRACE: Generation-aware latent compression for efficient video generation
「GRACE」解决视频扩散中高压缩 autoencoder 的两难：压缩 latent 可显著减少「DiT」token，但高压缩会损害重建质量，增加通道又会拖慢 DiT 收敛。它提出 generation-aware latent compression，让压缩表示更贴合后续生成模型的使用方式，降低重新训练或从头适配的成本。对视频生成系统而言，这类方法直接关系到训练效率、推理速度和复用已有 DiT 权重的可行性。
Two-Level Softmax Sampling Done Right: Correcting Bias from Size Imbalance and Dispersion
这篇论文重新审视 two-level softmax sampling，指出它虽然能把大规模 softmax 采样做成次线性复杂度，却会因簇大小不均和簇内分散度差异引入系统性偏差。论文分析偏差来源，并给出修正方式，让先采簇再采元素的近似更接近真实 softmax 分布。对大词表采样、检索式生成和推荐系统来说，这类修正有助于在速度和采样正确性之间取得更可靠平衡。
Steerspeech: Activation Steering For Emotion Control In Generated Speech
「SteerSpeech」针对文本转语音模型推理时情感控制不稳定的问题，避免依赖粗粒度 prompt、参考音频或重新训练专门条件模块。它为每种目标情感训练轻量低秩变换，并把 steering vector 注入隐藏激活，从而在推理阶段控制生成语音的情绪表达。价值在于以较低训练成本获得更可控的情感 TTS，适合已有语音模型的后置增强。
How Do Transformers Learn to Represent Symmetries?
这篇论文研究 vanilla Transformer 如何通过有限数据增强学习点云中的对称性，补足几何机器学习里架构、对称不变性和增强预算之间关系不清的问题。它比较不同对称变换的学习难度，并识别出从容易到困难的顺序，说明有限增强并不自动带来同等强度的不变表示。对模型设计者的意义在于，若任务高度依赖几何对称性，单靠 Transformer 加数据增强可能需要精细预算和归纳偏置配合。
Best Arm Identification for Bandits with Shifting Means
这篇论文提出 Shifting Means 设定下的 best arm identification：各臂奖励均值的共同平移可被对抗性改变，但臂间 gap 保持稳定。传统随机 bandit 假设均值随时间稳定，在这个场景下会被共同漂移干扰，学习者必须在固定置信度下尽量少采样地找出最优臂。该问题为非平稳但结构可识别的在线决策提供了新的理论模型。