[TRTLLM-16956][feat] Modeling V2 dynamic switch with LLM config and args
该 PR 将 Modeling V2 开关从环境变量迁移到 TorchLlmArgs，并把 off、auto、require 的决策收敛到 model loader。它让 LLM API 参数按既有分布式参数路径送达所有 rank，避免 driver 与 worker 构建不同推理目标。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
[TRTLLM-16956][feat] Modeling V2 dynamic switch with LLM config and args
该 PR 将 Modeling V2 开关从环境变量迁移到 TorchLlmArgs，并把 off、auto、require 的决策收敛到 model loader。它让 LLM API 参数按既有分布式参数路径送达所有 rank，避免 driver 与 worker 构建不同推理目标。
[Qwen4Exp] support Sequence Parallelism for Qwen3.8-Flash-Next
该 PR 为 Qwen4Exp 和 Qwen3.8-Flash-Next 增加 sequence parallelism，覆盖 GR、PLE 与 sequence-parallel MoE 场景，并保留 tensor-parallel MoE。它减少重复的 GR/PLE 计算，为 MoE 推理或训练中的序列并行扩展提供更清晰的控制路径。
[Bugfix][Multimodal] Fix Qwen3-ASR audio preprocessing parity
该 PR 修正 Qwen3-ASR 的音频预处理一致性，改用上游 Transformers 的 Qwen3ASRProcessor，并移除 Omni waveform padding 与内置处理器注册。它使不同长度音频片段、部分缓存命中、文本输入和预计算特征在多模态推理中更接近 checkpoint 上游处理结果。
[TRTLLM-16593][fix] Size expanded draft probabilities by batch capacity
该 PR 在 draft 与 target 词表不一致时，将 full draft probabilities 的尺寸改为按 batch capacity、draft length 和 vocab size 分配。它使 slot-based draft probs 聚合后的 generation-batch 索引匹配实际容量，降低推测解码词表不匹配路径中的越界或错配风险。
[Docs] Cookbook: refresh SemiAnalysis AgentX launches (GLM-5.2 B300, DeepSeek-V4.1 GB300)
该 PR 刷新 SGLang cookbook 中 Agentic Long-Context Deployment 的 SemiAnalysis AgentX 启动配置，覆盖 GLM-5.2、DeepSeek-V4、DeepSeek-V4.1、Qwen3.5 和 Qwen3.8-Flash-Next。它把最新提交中的原始 launch command 和对应 run 信息同步到文档，方便复现实验性硬件与推测解码部署配置。
[None][fix] Align the budget split, spec layers and pool_ratio with derived per-layer KV windows
该 PR 为混合 layer type schedule 增加 V2 per-layer attention window 推导，并将推导结果用于运行时 KV-cache 构建与成本估计。它让 KV 预算拆分、spec layers 和 pool_ratio 与逐层窗口保持一致，提升复杂注意力结构下推理内存规划的可靠性。
该 PR 用 CPU closure tests 和单 GPU host-offload transfer 测试替换部分 disaggregated E2E 覆盖，并将一个 E2E 场景降级到 post-merge。它加强了 transfer failure、cancel、timeout、资源释放、首 token logits/logprobs 和 speculative slot 的轻量回归覆盖。
[None][feat] Support custom masks in TRTLLM attention
该 PR 为 PyTorch TRTLLM attention backend 增加 custom mask 支持，引入 Triton custom-mask context FMHA，并在 causal generation 中继续使用 TRTLLM-gen kernel。它扩展了 Gemma4 H512 等非标准 mask 场景的推理适配，同时复用既有 attention metadata 以减少专用控制面复杂度。
[None][feat] integrate PrimTS FMHA kernels
该 PR 将 FlashInfer 实验性的 task-scheduled PrimTS FMHA kernel 集成到 PyTorch TensorRT-LLM attention backend，并以 opt-in 方式支持 SM100 与 SM103。它为 Blackwell 上的 BF16/FP16 paged context、single-token decode 和部分 MLA decode 提供新的 attention kernel 选择。
[PD][Spec] Give a PD decode's first EAGLE draft step a proposal distribution
该 PR 为 PD decode 的首个 EAGLE draft step 补齐 proposal distribution，使其与 prefill 传来的 draft token、概率和 hidden state 对齐。它修复了 rejection sampling 需要每步 proposal distribution 时的输入缺口，提升 PD 与 EAGLE 组合推理在 ROCm 等路径上的稳定性。
[HiCache] Preserve all MTP KV and recurrent state
该 PR 在 HiCache prefix 复用时保存并恢复 Inkling MTP 的所有 draft head KV、convolution state 和 recurrent state，并区分 draft 与 target SWA 的物理索引池。它保证 all-SWA、mixed 和 all-full MTP draft attention 在缓存命中后恢复完整状态，避免后续 draft head 使用错误或缺失的状态。
[Spec Decode] Skip metadata build for dflash/dspark when all model backends support it
该 PR 让 DFlash 和 DSpark draft model-based speculator 在所有 model backend 支持时跳过 uniform decode cudagraph replay 前的完整 attention metadata rebuild。它复用 cudagraph-safe 的 draft decode metadata update 路径，减少推测解码中的不必要 GPU kernel launch 开销。
[EPLB] Add EPLB support to dspark draft models (DeepSeekV4)
该 PR 为 DeepSeek V4 的 DSpark draft model 增加 EPLB 支持，使 DSpark MoE drafter 实现 MixtureOfExperts 并可随 target model 一起注册和再均衡 expert。它让使用 --enable-eplb 的 DSpark speculative decoding 能同时覆盖 draft expert 负载均衡，而 dense draft 与专家数不匹配场景保持在范围外。
[Bugfix] Fix out-of-bounds lookahead in adaptive block verification
该 PR 修复 adaptive block verification 中 residual mass kernel 使用配置最大 speculative steps 做边界判断导致的越界 lookahead。它让实际 verification block 短于配置步数时按真实长度访问数据，提升推测解码 rejection sampler 的内存安全性。
examples : fix draft sampling and rejection handling
该 PR 修复 llama.cpp speculative example 中 draft sampling 与 rejection handling 的两个问题。它让示例更准确地展示推测解码的采样和拒绝流程，降低使用者复用示例逻辑时引入错误的风险。
[Bugfix][GLM-5.3-Flash] Restore MTP index sharing across draft iterations
该 PR 恢复 GLM-5.3-Flash 中 MTP draft iterations 的 index sharing，使 draft step 0 计算的 sparse indexer top-k 可在后续步骤复用。它修正配置标志丢失导致的行为退化，有助于恢复该模型推测解码的接受效率和 decode 吞吐表现。
[AMD][MORI] Add MORI EP V2 support
该 PR 为 DeepSeekV4 Pro 增加 MORI EP V2 支持，新增 mori-epv2 all-to-all backend，并集成 aiter kernel 以配合 dispatch 与 combine。它扩展了 AMD ROCm 路径上的 expert parallel 硬件适配，为 DeepSeekV4 Pro 的分布式 MoE 推理提供新通信后端。
[None][test] Update MiniMax M3 EAGLE3 draft model directory
该 PR 更新八个 MiniMax M3 disaggregated performance 配置中的 EAGLE3 draft model directory，并保持主模型目录、speculative decoding 设置和 worker 拓扑不变。它修正共享模型根目录下的 draft 模型路径，保证 GB300 与 VR200 配置能定位到一致的 EAGLE3-GQA 资源。
[Model][LoRA] Enable LoRA support for BERT and RoBERTa embedding models
该 PR 为 BertModel、RobertaModel 和 XLMRobertaModel embedding models 启用 LoRA adapter 支持，并复用 BertEmbeddingModel 加载路径。它让 BGE、all-MiniLM 和 multilingual-e5 等嵌入模型可以在 vLLM 中加载 PEFT adapter，扩展了低成本微调模型的推理覆盖。
[https://nvbugs/6838020][fix] Tolerate near-tie greedy flips in KV pool rebalance accuracy test
该 PR 调整 KV pool rebalance accuracy test，在 greedy 输出近似并列时请求 top-2 raw logprobs，并仅在受限条件下接受首次分歧。它降低了近 tie token 翻转造成的测试误判，同时继续验证 logprob 对齐和 GPU pool ratio rebalance 是否实际发生。
Improve TTFT for Multi-Turn Agentic Workloads with Bi-Directional KV Transfer in vLLM
vLLM 引入双向 KV transfer，让 prefill 节点在多轮对话后续轮次复用 decode 节点已经计算过的 KV，减少长上下文重复 prefill。对 agentic workload 很关键，因为多轮工具调用会不断带着长历史返回模型，这项优化可将 TTFT 最多降低 3.3 倍。
Run multi-node inference workloads using Ray LLM Deep Learning Containers
AWS 展示用 Ray LLM Deep Learning Containers 在 Amazon EKS 上跨两个 GPU 节点部署单个大模型，并把 prefill 与 decode 节点拆开挂到一个 OpenAI 兼容端点后面。重点在于预构建容器已经包含推理栈，团队主要做部署配置即可，更适合快速落地多节点大模型推理。
Microsoft plans to scale its own Maia AI chips to gigawatt levels by 2027
Microsoft 计划从 2027 年开始把自研 Azure Maia 芯片作为旗下产品的主要 AI 推理系统，并推进到多吉瓦级部署规模。Maia 300 号称每兆瓦 token 产出比领先 GPU 系统高 40%，这显示云厂商正在用自研芯片重塑推理成本和供应链主动权。
NVIDIA 在 OCP Global Summit 宣布围绕 Vera Rubin 架构开放更多设计与生态合作，目标是帮助 AI factory 从兆瓦级扩展到吉瓦级。对基础设施团队而言，这意味着下一代集群建设会更依赖开放标准、电力和散热协同，而不只是单卡算力提升。
Google DeepMind 的 AlphaProof Nexus 解出数十个开放数学问题，包括 9 个 Erdős 问题，其中 2 个已悬而未决 56 年，并以 Science 论文形式经过同行评审。相比直接把 AI 证明丢到代码仓库，这一事件更重要的是展示了形式化或半形式化 AI 数学系统进入学术验证流程的路径。
Deploy decision models with llama.cpp on Amazon SageMaker AI
AWS 介绍如何在 Amazon SageMaker AI 上用 llama.cpp 部署 decision models，并通过 OpenAI 兼容 chat completions 提供服务。示例还扩展了 SemIf 运行时，可在 CPU 或 GPU 上返回指定选项的概率，适合路由、分类和决策类低成本推理。
Browser Use + Qwen-Image-2.1-Turbo
Unsloth 加入 Browser use，本地模型可以打开网页、阅读、点击、输入和滚动，用户能直接观察浏览器操作过程。同时它还支持 Qwen-Image-2.1-Turbo 8 步生成、文本扩散 LLM 训练、更快 MoE GGUF 和 Mac 上的 speculative decoding，覆盖从 agent 到本地推理的一串实用更新。
智谱的新模型主打高速生成，报道突出 490 tokens/s 的吞吐表现。对开发者而言，这类速度指标意味着国产模型厂商正在把低延迟交互、实时 agent 和高并发推理作为核心竞争点，而不仅是刷静态榜单。
Meet Cloudflare Clef-omni: A 30B-A3B Multimodal Decision Model for Audio, Video, Image and Text
Cloudflare 发布 Clef-omni，这是基于 Qwen3-Omni-30B-A3B 的 Apache-2.0 多模态决策模型，可在一次调用中对文本、图像、音频和视频打分。其价格为每百万输入 token 0.15 美元，Clef-flash 降到 0.038 美元，适合内容审核、路由和多模态判别这类不需要长文本生成的场景。
What is Decision 3.0? vLLM Semantic Router’s New Open Decision Models
vLLM Semantic Router 发布 Decision 3.0，包含 5 个 Apache-2.0 多模态决策模型，规模从 0.8B 到 27B。它们面向文本和图像的一选一、是非和打分问题，直接输出决策而非生成长文本，对路由、审核和评测链路能降低延迟与成本。
llama.cpp b11574 继续优化 Hexagon 后端的 CPY 和 CONCAT，重点解决短行场景下 DMA 延迟受限的问题，并引入 threaded DMA 和 HVX gather-row helper。对边缘和移动端推理很实用，因为这类底层拷贝与拼接优化会直接影响量化模型在 Qualcomm 生态上的吞吐和延迟。
llama.cpp b11573 优化 Vulkan 后端，在没有 dot product op 的情况下为 f16 accumulation 打包 FMA，并将相关实现整理为 dot_product_v2。这个更新主要面向 GPU 后端兼容性和吞吐细节，能让更多 Vulkan 设备在本地 LLM 推理中获得更好的矩阵计算效率。
「llama.cpp」b11572 增加对 vLLM D3 系列模型的加载支持，并继续收紧模型命名规则与校验逻辑。对本地推理和模型分发来说，这类更新能减少从 vLLM 生态迁移决策类模型时的格式摩擦，也能更早暴露命名或张量结构不匹配的问题。
「llama.cpp」b11571 支持 vLLM Decision 2 模型，并清理了相关转换路径中的冗余张量过滤逻辑。它的价值主要在模型兼容性和加载确定性上，尤其适合需要把 vLLM 侧决策模型接入轻量本地运行时的团队。
「llama.cpp」Metal 后端修复了「mul_mat_id」在重复 id 场景下的错误计算，旧实现假设每个 token 至多匹配一次且每个专家容量固定，可能导致输出行丢失、写错位置或越界覆盖相邻专家切片。新实现按专家构建紧凑的 token 与 slot 列表，更符合 MoE 路由里重复专家命中的实际情况，对 Apple Silicon 上的推理正确性很关键。
「llama.cpp」新增推理期计算图缓冲区重分配回调，当预留 buffer 不够、调度器需要重新分配时，用户代码可以收到通知，并知道后端分配或图大小是否变化。这个可观测性改动有助于定位延迟尖峰、显存预估不足和动态图尺寸变化，对线上推理调优比单看吞吐指标更有用。
b11568: examples : fix draft sampling and rejection handling (#30095)
「llama.cpp」示例代码修复了 speculative decoding 中 draft sampling 与拒绝处理的两个问题，并为并行度大于 1 的场景补上统一 KV 的要求。对复用示例搭建草稿模型加速链路的开发者来说，这能避免采样分布和 token 接受逻辑偏离预期。
viable/strict/1791812968: [inductor] Extend partitioned scatter to additional ops (#194078)
「PyTorch Inductor」把 partitioned scatter 优化扩展到更多会产生竞争性 atomic_add 写入的算子，包括 masked index put、scatter_add 和 scatter_reduce 等。更新还加入按内存流量约束的分区上限，避免优化本身带来比原 scatter 更高的访存成本，对稀疏更新和归约型训练负载的性能更稳。
「llama.cpp」Vulkan 后端针对 CM2 matmul 的量化块大小做了专门化处理，并用三元表达式避免 switch lowering 带来的低效代码生成。这个改动属于底层 kernel 细节优化，目标是让 Vulkan 路径在量化矩阵乘场景下生成更直接、更可预测的执行代码。
Flash-Attention2, Causal-Conv1D, Mamba_SSM Binaries
「Unsloth」发布 CUDA 13 预编译 wheels，覆盖「Flash-Attention2」「Causal-Conv1D」「Mamba_SSM」等训练和序列建模常用依赖，面向 Python 3.13、PyTorch 2.13 与 2.14，并包含 x86_64、aarch64 和部分 Windows ARM64 组合。它降低了新 CUDA 与新 Python 环境下编译这些高性能算子的门槛，能节省大量环境搭建和 CI 时间。
TII Releases Falcon-ASR: 1.6B Arabic Speech Model Hits 20.92% WER
TII 发布「Falcon-ASR」，这是一个 1.6B 参数的阿拉伯语语音识别模型，重点覆盖阿联酋口音，并报告在 6 个阿拉伯语测试集上的平均 WER 为 20.92%。目前权重和 API 尚未开放，所以它更像是一次能力预告，但对低资源方言 ASR 和区域化语音基座模型仍有参考价值。
「PyTorch Inductor」推进 dtype conversion 复用优化，核心是避免在 full 类张量生成路径上重复执行相同类型转换。这个改动面向编译图里的冗余算子消除，能降低小算子开销和不必要的内存读写，对训练与推理中的图编译性能都有帮助。
viable/strict/1791827615: [MPS] [Inductor] Compute in float32 after casting to fp16/bf16 (#200559)
「PyTorch」修复 MPS 后端 Inductor 在 fp16 和 bf16 cast 后继续用半精度计算的问题，现在会像 CPU 与 CUDA 一样转为 float32 执行相关计算。该问题会导致 bf16 在 Metal abs 缺少重载时编译失败，也会让 fp16 的小值 log1p 结果异常，因此这次修复同时改善了 Apple GPU 路径的兼容性和数值一致性。
White House reverses course and restores UK AI Safety Institute's access to frontier models
白宫恢复了英国 AI Security Institute 对 Anthropic、Google DeepMind 和 OpenAI 前沿模型的早期访问，此前美国政府曾在 9 月要求企业停止向该机构共享模型。对从业者而言，这说明前沿模型安全评测已经成为外交与监管协作的一部分，也会影响模型发布前的外部红队和合规流程。
Andrej Karpathy 表示，公众看到的 AI 仍只是预览版，约 75% 的人几乎没有真正使用过 LLM，而少数内部人员已经接触到能以 agent swarm 完成专家多年工作量的前沿系统。这个判断提醒从业者，当前公开产品体验与实验室级智能体能力之间可能存在巨大落差，评估 AI 进展时不能只依据普通聊天机器人界面。
「llama.cpp」SYCL 后端为 DMMV 行尾读取增加保护，避免在矩阵行末尾处理不完整块时发生越界或读取无效数据。对使用 Intel GPU 或其他 SYCL 设备跑本地推理的用户来说，这类修复直接关系到结果稳定性和后端可靠性。
SoftwareGym: Scaling Computer-Use Agent Training with Diverse Synthesized Software Environments
SoftwareGym 面向计算机使用智能体训练中的环境瓶颈：原生应用环境构建重、浏览器环境交互浅，都会限制任务覆盖并诱发过拟合。它用自动化流水线合成 GUI 软件环境，把应用逻辑、界面和可验证任务批量生成出来，让智能体能在更接近真实软件的多步骤工作流里练习。价值在于把 CUA 训练从少量手工环境扩展到多样软件生态，尤其适合评估和训练跨应用迁移能力。
ProgramGym: Scaling Training Environments for Long-Horizon Program Reproduction Agents
ProgramGym 关注从零构建程序的长程编程智能体，而不是常见的修 bug 或按规格生成仓库任务。它设计可验证训练环境，迫使智能体自行探索参考程序、发现需求并规划系统设计，从而覆盖更接近软件工程实践的长时程开发过程。对编码智能体训练的意义在于提供可规模化、可检查的环境，让模型不仅会补代码，也能学习需求发现和架构复现。
Continually Post-training Small Models via Synthetic Self-distillation
这篇工作处理小模型持续后训练里的典型矛盾：既要学习新能力，又要保留旧知识。传统自蒸馏微调依赖模型本身较强的上下文学习和指令跟随能力，小模型在这一步容易失效，因此论文转向合成自蒸馏来补足示例生成与监督信号。它的价值在于把持续学习方法下沉到低延迟、端侧部署常见的小模型规模，降低能力更新带来的遗忘风险。
Work2Skill: Capturing Human GUI Experience for Reusable Agent Skill Induction
Work2Skill 针对 GUI 智能体面对陌生软件和领域流程时缺乏可复用经验的问题。它通过 WorkRecorder 捕获人类在同一 GUI 空间中的操作演示，再从上下文中区分通用工作流规则与任务特定细节，归纳成可复用技能。对智能体落地很关键，因为真实办公流程往往藏在专家操作里，而这类方法能把一次演示转成后续多任务可调用的过程知识。
SoloQ: Calibration-Free Quantization for Diffusion Language Models
SoloQ 面向扩散语言模型的部署成本问题：这类模型需要反复全序列去噪，块扩散还会引入高内存 KV cache，低比特量化很有吸引力但校准流程复杂。论文提出免校准量化思路，针对扩散式生成的权重与激活分布做低比特压缩，避免依赖额外校准数据或繁重调参。它的价值在于让 dLLM 更接近可部署状态，尤其适合推理成本和显存压力敏感的场景。
Contextual Correction of Parallel Draftsfor Speculative Decoding
这篇论文处理 speculative decoding 中并行草稿 token 之间缺少上下文互相修正的问题。扩散式 drafter 能一次预测多个未来位置，但同一批草稿内部并非自回归依赖，容易出现局部不一致；论文提出对并行草稿做上下文校正，使草稿序列在交给目标模型验证前更连贯。对推理系统的意义是提升草稿接受率，从而把并行草稿的速度优势更稳定地转化为端到端加速。
Inducing Process Supervision from Outcome-Only Reinforcement Learning
TIPS 试图降低过程奖励模型的训练成本，因为人工步骤标注难扩展，Monte Carlo 估计又昂贵且可能偏离步骤本身正确性。它从只含最终结果的强化学习过程中诱导过程监督，让模型在 outcome-only RL 中学习哪些中间推理步骤真正贡献了成功。价值在于为推理模型后训练和测试时搜索提供低成本 PRM，有望减少对密集人工标注的依赖。
When Do We Need On-Policy Distillation? Distilling on Offline Student Rollouts Is Often Better
这篇论文重新审视 on-policy distillation 是否总是适合任意教师和学生组合。作者提出 Semi-OPD，用初始学生离线生成的 rollout 来做蒸馏，结果在 17 组 1.5B 到 235B 的教师学生组合中经常比 OPD 更准、更省训练。它提醒从业者不要把在线采样当成默认最优，学生自身分布上的离线数据有时反而能提供更稳定、成本更低的迁移路径。
这篇工作关注 speculative decoding 中目标模型隐藏层选择过于粗糙的问题。不同 decoder 层编码的信息互补，但现有方法常用固定位置启发式选少数层；论文把多层 hidden state 选择建模为有原则的组合优化问题，分析信息与几何结构来挑选更有用的层。它的价值在于提升草稿预测或验证辅助信号质量，让推理加速不只依赖经验选层。
Stateless Language Agents: Scaling Long-Horizon Automated Research
Stateless Language Agents 指出长程自动研究系统的瓶颈不只是推理次数不足，而是状态越积越长、重复实验和无效消耗。论文把失败归因于研究状态存放位置和下一步尝试决策机制，并提出无状态智能体框架，把长期研究进展从膨胀上下文中抽离出来管理。对 Agent 系统很重要，因为它直接面向长预算下的真实科研自动化，而不是很快饱和的短程 benchmark。
PreSTO: Predictive Subtree Prefetching for Fast LLM Power Sampling
PreSTO 面向 power sampling 的速度瓶颈：PowerMH 的 Metropolis Hastings 接受拒绝链是顺序的，每一步状态依赖上一轮结果。论文提出预测式子树预取，在不直接改造模型或采样目标的前提下，提前准备高概率会被访问的 proposal 分支。它的意义在于把测试时强化推理的采样开销降下来，让更强但更慢的 power sampling 更接近实际服务可用。
DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models
DiffusionART 处理扩散模型在线强化学习的效率与稳定性两难：反向过程方法信用分配差，前向过程方法高效但依赖精细 EMA off-policy 训练。论文分析 NFT 类目标中隐藏的前向反向一致性力，并围绕这一机制设计更稳定、可扩展的强化训练方案。对图像和扩散生成模型后训练有价值，因为它让黑盒奖励优化更少依赖脆弱调参，更适合规模化训练。
VisionWeave: Weaving Elastic Visual Representations as a Native Capability of MLLMs
VisionWeave 针对多模态大模型视觉 token 固定密集编码带来的高成本。它利用视觉信息分布不均的事实，让关键区域保留细粒度表示，低信息区域使用更紧凑的弹性表示，而不是简单下采样或粗暴剪枝。价值在于把内容自适应的视觉表示变成 MLLM 原生能力，在保持细节理解的同时降低 token 和推理成本。
RSI-Anything: Unlocking Recursive Self-Improvement with World Models
RSI-Anything 关注递归自我改进中外部反馈昂贵、世界模型随策略演化失真的问题。它基于 JEPA-Anything，用预测世界模型指导行动选择和学习数据筛选，并用真实反馈驱动策略、工作流和条件世界模型更新，同时通过组件与兼容性检查约束改进过程。意义在于给 RSI 提供更通用的工程框架，使智能体能把交互经验转化为持久能力提升。
PolyOCR-Venus: Unified OCR Foundation Models for Text-Centric Visual Intelligence
PolyOCR-Venus 把 OCR 从纯文本识别扩展到文本中心视觉智能，覆盖识别、定位、解析和推理。PolyOCR 采用统一指令跟随框架并提供不同规模模型，试图解决现有 OCR 系统只擅长部分任务、跨场景能力不均衡的问题。它对多模态应用很实用，因为文档、截图、票据和复杂场景文字都需要同一个模型同时读懂位置、结构和语义。
SWE-Duel: Towards a Self-Scaling Arena for Coding Agents
SWE-Duel 针对静态编码 benchmark 会泄漏、会饱和的问题，提出自扩展的编码智能体竞技场。它让两个编码智能体通过镜像 Red-Blue 回合互相生成任务和判定 oracle，评测内容在运行时产生，难度由参赛智能体共同决定。价值在于把 coding agent 评测从固定题库推进到动态对抗环境，更能衡量强模型持续提升后的真实差距。
Judging in Latent Space: Efficient Generative Reward Modeling via Semantics-Preserving Compression
LatentGRM 关注奖励模型在多准则评估时逐 token 生成推理链带来的推理成本。它用 rubric 引导的语义分块、压缩和重构，把评价过程转入连续潜空间中完成，同时尽量保持语义可恢复。对对齐和评测系统的意义在于，用更短的显式文本承载复杂判断，降低 generative reward model 的延迟和成本。
Recurrent Harness for Agentic Continual Learning
ReHarness 面向长交互流中的 agentic continual learning，解决智能体在线适应分布变化时只靠前向状态更新不够的问题。它在读写之外加入向后的修订机制，使 harness 能根据后续反馈回改先前状态，而不依赖额外 replay 或验证数据。价值在于让智能体运行框架本身具备持续学习能力，更适合长期任务、个性化环境和动态工具链。
MetaKernelBench: Measuring GPU Kernel Knowledge Transfer Beyond Code
MetaKernelBench 关注 GPU kernel 优化智能体学到的经验是否真的可迁移，而不只是单次实现跑得快。它设计 74 个融合子图问题，覆盖六类 kernel，并要求从一种 kernel DSL 中蒸馏出的经验帮助另一种 DSL 下的新尝试。这个 benchmark 对 AI Infra 很有价值，因为它把优化知识库和技能蒸馏的复用价值变成可测指标。
From Given to Gathered Evidence: Agentic Learning for Longitudinal Medical Reasoning
CASE 把医学智能体评测从给定证据上的推理，推进到跨病历和纵向影像主动寻找证据。它构建角色化 Clinical Agents、工具使用 harness 和面向紧凑视觉语言策略模型的 agentic post-training，并配套纵向多模态 benchmark。价值在于更贴近真实临床工作流：模型不仅要会回答，还要知道该查哪些记录、影像和时间点来支撑判断。