[Bugfix][Model] Fix EXAONE-4.5 image inputs: ViT received un-normalised pixels
该 PR 修正 EXAONE-4.5 多模态输入的预处理路径，避免继承 Qwen2.5-VL 的归一化开关后让 ViT 接收未归一化的 0–255 像素，并同步修正构造函数中的相关问题。它恢复含图请求的视觉特征尺度一致性，提升该模型在 vLLM 推理服务中的多模态可用性。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
[Bugfix][Model] Fix EXAONE-4.5 image inputs: ViT received un-normalised pixels
该 PR 修正 EXAONE-4.5 多模态输入的预处理路径，避免继承 Qwen2.5-VL 的归一化开关后让 ViT 接收未归一化的 0–255 像素，并同步修正构造函数中的相关问题。它恢复含图请求的视觉特征尺度一致性，提升该模型在 vLLM 推理服务中的多模态可用性。
[TRTLLM-16304][feat] Upgrade the infrastructure of modeling V2
该 PR 重构 modeling v2 基础设施，将 target forward 由可执行契约的 catalog ops 组装，并通过 target layer 区分单步执行逻辑与模型静态结构。它降低不同模型 target 之间的隐式耦合，使 gpt-oss-120b 与 deepseek-r1-0528-nvfp4 等推理目标能共享算子目录而保留各自清晰实现。
[DeepSeek-V4.1] Admit the NIXL transfer backend for DSpark PD
该 PR 放宽 DeepSeek-V4.1 DSpark PD 的传输后端校验，使 disaggregation transfer backend 同时接受 nixl 与 mooncake。它解除 GKE A4X 与 GB300 RoCE 环境中 Mooncake RDMA 失败导致的部署阻塞，保留 DSpark 下的推测解码能力。
[Attention] Remove cascade attention
该 PR 从 vLLM 移除 cascade attention 的内核、启发式、元数据、调度器与 KV-cache 管线、runner 分支、配置开关、测试和文档。它减少每步调度扫描和后端分支成本，并清理长期不被多数后端支持的注意力路径。
[Bugfix][HiSparse] Fix TP group hang on steps without scheduled tokens
该 PR 修正 HiSparse 在共享 host pool 的 TP 组中无 scheduled tokens 步骤可能挂起的问题，在事件等待后让所有 TP rank 进入 CPU barrier。它保持有 token 步骤行为不变，同时避免空 forward 步骤中 TP rank 与落后一拍 host 之间的分布式同步死锁。
[Bugfix] Mask special added tokens in xgrammar JSON, regex and EBNF grammars
该 PR 在 xgrammar 的 JSON、JSON OBJECT、regex、EBNF 和 choice 请求词表中屏蔽 tokenizer 的 special added tokens，避免控制 token 被当作普通文本放入语法 mask。它提升结构化生成约束的正确性，使推理服务在 JSON 字符串等场景中不会错误允许特殊控制符。
[AMD][DI][CI] dsv4pro-fp8 2p1d-ep16-mtp: raise prefill mem fraction for MORI EP v2 memory
该 PR 将 dsv4pro 1k1k 2p1d-ep16-mtp 配置的 prefill mem fraction static 从 0.85 提高到 0.88，并保持 MORI EP v2 启用。它为 MORI EP v2 的对称 arena 与 MTP draft model 预留后的 prefill KV 需求提供更充足预算，避免相关 AMD CI 配置启动时内存不足。
该 PR 允许 spec-decode verify 的短 multi-query attention 在 Triton 后端使用 3D split-K，并通过统一 attention 的 shape-only gate 选择该路径，同时加固 empty segment 与 padding 情况。它面向长上下文、低 batch 的推测解码验证阶段增加并行度，减少回退到 2D kernel 的性能瓶颈。
[Rust Frontend] Add per-request timing metrics to chat and completions
该 PR 在 Rust frontend 中加入 --enable-per-request-metrics，贯通 engine 的排队、调度、首 token 与末 token 时间戳到 chat 和 completions 输出。它让非流式响应和启用 include usage 的流式最终 usage chunk 能携带 Python 兼容计时字段，便于推理服务做逐请求延迟观测。
[https://nvbugs/6877253][fix] Disagg MTP KVCache Transfer AL Test
该 PR 修正 disaggregated DeepSeek V3 Lite MTP 测试配置，将 speculative MTP 设置同时应用到 context 与 generation worker，并设置 generation max stats len 为 -1 以收集 acceptance length。它更新对称测试名称、参考值、选择器并移除 waiver，使 MTP KVCache transfer 的推理测试覆盖更贴近目标部署路径。
Run the EP dummy MTP forwards through the inference context
该 PR 让 EP dummy MTP forwards 通过 inference context 执行，为 dummy block 暂存 draft metadata，并像 base dummy step 一样传入上下文。它避免 MTP KV cache 开启时捕获无 cache 的静态 core-attention 图，从而修正 flash attention backend 下首次推测解码请求失败的问题。
[Bug] Honor spec decode draft model config
该 PR 修正 spec decode draft model config 的生效路径，确保 standalone draft KV dtype override 等配置不会被错误覆盖为 fp8 e4m3。它让推测解码草稿模型按用户配置运行，减少服务端推理中 draft 与目标模型配置不一致的风险。
[TRTLLM-16901][fix] SID-GR optimization 1/N: Fix speculative beam d2h races
该 PR 修正 speculative beam D2H 路径中的多个竞态，包括异步 D2H copy 后缺失 stream sync，以及缺少 src.record_stream 导致 PyTorch caching allocator 可能回收仍在跨 stream 拷贝的内存。它提升 speculative beam 推理路径的稳定性，并通过请求结束检查降低新增同步对性能路径的影响。
Allow Qwen3.8 Flash Next to accept image embds for MTP
该 PR 允许 Qwen3.8 Flash Next 在 MTP draft 推测解码模式下接收 image embeddings，并覆盖配合 mmproj 的多模态 server 场景。它修复图像输入与 MTP 组合使用时的失败路径，扩展 llama.cpp 对该多模态模型推理配置的支持。
[Tests][Mamba] Wait for accepted counts in fake MTP proposer
该 PR 修正 Mamba prefix cache 测试中的 fake MTP proposer，在读取 num accepted tokens cpu 前先等待同一步 non-blocking D2H copy 的事件完成。它消除测试侧主机读取 GPU 计数的竞态，提升 H200 MIG 与 MI250 等硬件上推测解码相关状态验证的可靠性。
[Model Loader] Keep norm layers neutral under dummy weight init
该 PR 在 --load-format dummy 下为 RMSNorm、LayerNorm、RMSNormGated 与 GemmaRMSNorm 标记 identity dummy weight value，使归一化层保持中性初始化。它让 dummy 权重下的激活尺度更接近真实权重，有助于数据相关 kernel 的性能计时更贴近实际推理。
[Diffusion] Add configurable reference image resizing for MiniMax H3 Ref2VA
该 PR 为 MiniMax H3 Ref2VA 增加可配置 reference image resizing，允许推理时匹配不同蒸馏 checkpoint 的参考图预处理策略。它减少训练与推理预处理不一致以及不必要的参考图 token 序列膨胀，改善扩散模型推理的适配性与资源使用。
[diffusion] comfyui: run Qwen-Image 2.1 in SGLD integrated mode
该 PR 为 ComfyUI SGLD integrated mode 接入 Qwen-Image 2.1 DiT，补充 checkpoint spec、原生参数名处理、量化标记与 key filter，并支持文本生成图像和参考图编辑模板。它让单文件 BF16 与 INT8 ConvRot checkpoint 能在 SGLang 集成扩散推理路径中运行，提升图像模型的硬件与工作流适配。
[Feature][Pooling] Add offline fixed-length late chunking
该 PR 为 vLLM pooling runner 实现离线 fixed-length late chunking，通过 LLM.encode 的 token embed 输出把一次编码得到的上下文 token states 平均池化为固定长度 chunk vectors，并返回 token 与源文本范围。它支持检索文档等场景减少重复编码，同时为离线 embedding 与服务化 pooling 提供更直接的分块向量生成能力。
feat(cake_mega_moe): [SM120] MXFP4 x MXFP8 MegaMoE through MoEEpLayer (sm120_mxfp4_mxfp8_bf16_cake)
该 PR 新增 Cake 生成的 SM120 MegaMoE backend，经 MoEEpLayer 支持 MXFP8 activations、MXFP4 routed weights 与 BF16 output，并在单个 cooperative persistent kernel 内完成 dispatch、两层 FFN、重量合并与 EP 结果返回。它利用 NCCL Device API GIN 在 RDMA 上从 kernel 内发起 expert-parallel 通信，面向 SM120 硬件优化 MoE 推理执行路径。
Alibaba Qwen Introduces QwenGyre: Elastic Reinforcement Learning RL for XLong-Horizon Agents
阿里「Qwen」团队发布「QwenGyre」，面向超长程 agent 训练的弹性在线强化学习框架，可在未修改的黑盒 harness 上训练 coding agent。它针对持续数小时、接近 100 万 token 的 rollout，重点解决长任务采样、调度和训练稳定性问题，对构建真实软件工程 agent 很关键。
Meta releases its first frontier model, Muse Wonder
Meta 发布其首个 frontier model「Muse Wonder」，定位比低延迟的「Muse Spark」更大、更强。它在 coding 等复杂任务上给出更高 benchmark 表现，意味着 Meta 正把模型路线从轻量部署扩展到前沿能力竞争。
Build long-horizon agents with Grok 4.7 on Amazon Bedrock
「Grok 4.7」已上线「Amazon Bedrock」，AWS 示例展示如何用它构建工具调用 agent，并在三类推理任务和四档 reasoning effort 下评估正确率与 token 成本。对生产团队来说，重点不是只接入新模型，而是按请求动态调节推理强度，并把完成任务成本纳入监控。
Mixture-of-Experts kernel engineering on Amazon SageMaker AI
AWS 分享了在「Amazon SageMaker AI」上优化融合 MoE 模型 kernel 的工程实践，包括提升 WGMMA 利用率的「Swap-AB」、面向 FP8 量化的「Triton」后端路由，以及消除「Triton JIT」重复编译。组合优化在 H200 GPU 上带来最高 10% 吞吐提升和最高 9% TTFT 缩短，直接影响 MoE serving 成本。
NVIDIA Run:ai Is Now Open Source as Part of NVIDIA DSX AI Factory Platform
NVIDIA 将完整「Run:ai」平台作为开源软件发布，并纳入「NVIDIA DSX AI Factory Platform」生态。对 AI Infra 团队而言，这降低了 GPU 集群调度和资源治理平台的可审计性门槛，也可能扩大 NVIDIA 在 AI factory 软件栈中的控制面影响力。
[AINews] Meta Muse Wonder & Wonder Full: MSL’s Claude 5.5-tier Frontier Model
「Latent Space」将 Meta 的「Muse Wonder」和「Wonder Full」解读为 MSL 正式进入 frontier lab 阵营的信号。对从业者而言，这意味着 Meta 不再只是开源生态和应用平台玩家，也在高端闭源模型能力层面参与竞争。
「Unsloth」推出把文本或视觉 LLM 训练成 Jev 风格 decision model 的能力，模型不生成长文本，而是直接对固定选项输出决策概率。官方示例称决策准确率可从 30% 提升到 80%，并支持训练、测试、导出和 serving，这对低延迟分类、路由和系统一决策很实用。
Apple ML 的研究指出，在低资源语言预训练中，混入高资源辅助语言数据往往比单纯搜索权重衰减等超参数更有效。这个结论把数据混合视为直接补充泛化能力的手段，而不是只靠正则化限制模型容量，对小语种和数据受限模型训练有现实指导意义。
Meta's new frontier model Muse Wonder Full breaks into the AI top tier
The Decoder 报道称 Meta 的「Muse Wonder Full」在十项 benchmark 中有六项进入前三，尤其在 agentic tasks 上提升明显。代价是每任务成本接近三倍增长，团队评估时需要同时看能力跃迁和单位任务经济性。
Clearing chat history helps AI agents find better solutions
Microsoft 研究者发现，自治 AI agent 会因为不断增长的聊天上下文陷入所谓 idea basins，难以跳出局部解空间。其「Fork-and-Flush」方法清空聊天历史但保留工作区，在相同计算预算下最高带来 66% 更好结果，提示 agent 记忆设计应区分上下文负担和外部状态。
ReplaySSM: Rethinking State Storage for Faster Hybrid-Model Decoding
NVIDIA 介绍「ReplaySSM」，面向混合模型解码中 SSM 层状态存储的性能问题。随着「Nemotron 3」、「Qwen3.5」至「Qwen3.8」、「Kimi-K3」和「GLM-5.3-Flash」等模型采用 SSM 与少量注意力层交错结构，状态管理会成为 serving 吞吐和延迟优化的新重点。
「ms-swift」v4.6.0 增加 JEV 风格 decision task，模型可在单次前向中对固定选项集合输出校准概率，而不是生成文本。版本同时提供「JEV-27B-VL」、「Clef」和「OmniJev」的训练、推理与 LoRA 合并导出 recipes，并支持任意 CausalLM 转换为 decision model。
All Systems Go: Global PC App Ecosystem Ready for NVIDIA RTX Spark
NVIDIA 将 「RTX Spark」定位成面向个人电脑的新型本地 AI 平台，把游戏 PC、创作工作站和个人 AI 超算整合到单颗超级芯片上。它最高提供 128GB 统一内存和 1 petaflop AI 算力，对本地大模型推理、多模态创作和开发者桌面实验环境都有直接吸引力。
Higgsfield takes AI video from 1 minute to over 10
Higgsfield 借助 「GPT-6 Astra」把 AI 视频生成时长从 1 分钟扩展到 10 分钟以上，并结合 「GPT-Image-2.5」提升画面可控性。对创作者和多模态应用开发者来说，长视频、精细视觉和语音电影化正在从演示能力走向完整工作流。
Anthropic 称已将 Claude 内部 reasoning token 被抽取的成功率降低 90% 至 99%，并把大规模蒸馏攻击关联到智谱和月之暗面等中国公司。它还封禁了数万账号，说明模型厂商正把推理链路保护、反蒸馏和账号风控当作商业护城河来建设。
「llama.cpp」b11584 在图计算不产生 logits 时跳过 logits 缓冲区分配。这个小改动直接减少无效内存占用，对 embedding、特殊图路径和低内存本地推理场景更友好。
viable/strict/1791892488: [MTIA][Inductor] Add FIE C++ wrapper scaffold (#200206)
PyTorch 为 MTIA 的 Full Inductor Eager 路径加入 C++ wrapper 代码生成脚手架，并注册 eager-only 后端。它先明确 ABI 正确的 tensor 与 scalar 启动槽位，同时对尚未支持的 native launch 形式直接报错，为 Meta 自研加速器接入 Inductor 编译链铺路。
Ollama v0.40.4 更新底层 「llama.cpp」到 b11521，加入 decision models 和 「EmbeddingGemma 2」相关支持，并在推理路由中复用已验证 manifests 与已加载模型。它还修复 MLX 推测回滚后的循环状态压缩，并把已安装模型纳入 Codex 模型选择器，提升本地模型运行和管理体验。
Unsloth 现在支持本地运行 「Qwen-Image-2.1」，覆盖图像生成和编辑，并配套 FP8、diffusers 更新和 GGUF 修复。新版还加入自定义 Agent Skills、可拖拽聊天与项目管理，并把 reasoning blocks 从 30 FPS 提到 60 FPS，强化本地多模态与智能体工作流。
Flash-Attention2, Causal-Conv1D, Mamba_SSM Binaries
Unsloth 发布 CUDA 13 预编译 wheels，覆盖 「flash-attn」2.8.4、「causal-conv1d」1.7.0 和 「mamba-ssm」2.3.2.post1，在 Linux、Windows、x86_64、aarch64 与部分 ARM64 环境上适配 PyTorch 2.13 和 2.14。对训练和微调用户来说，少编译一次就是少踩一次环境坑，尤其利好 Mamba、FlashAttention 和状态空间模型实验。
Laya Decision Models + Library
Unsloth 加入 decision models 支持，可本地运行和服务 Laya 这类开源 Jev 风格模型，并提供统一 Library、文档查看器和 Skills 创建能力。更新还包含 ModelScope 下载、Apple Silicon 改进，以及约 4.5 倍更快的图像和视频生成，把桌面端从微调工具推进到多模态 Agent 工作台。
Command Palette + Desktop UI/UX
Unsloth Desktop 加入命令面板、可分享运行设置和更清晰的加载及生成错误提示。它同时把 Laya decision 推理最高提速到约 4.1 倍，并让 NVFP4、INT4、MXFP4 checkpoints 在 LoRA 训练中保持 4-bit，兼顾桌面易用性和低比特训练效率。
Unsloth 在桌面端加入内置浏览器，让文件、网页和模型写出的 HTML 能在聊天旁边以标签页打开。更新还支持运行和微调 Google 新的多模态 embedding 模型 「EmbeddingGemma 2」，并加入 Audio 页面和更低显存训练能力，扩展到文本、代码、图像、视频和音频检索场景。
Browser Use + Qwen-Image-2.1-Turbo
Unsloth 让模型可以直接使用内置浏览器，开启后本地模型能打开网页、阅读、点击、输入和滚动，用户可实时观察过程。新版还加入 「Qwen-Image-2.1-Turbo」，用 8 步生成图像并带来约 2.5 倍提速，同时支持 text-diffusion LLM 训练、Mac 推测解码和更快 MoE GGUF。
Unsloth 引入 Windows、Mac 和 Linux 沙箱能力，分别基于 Bwrap、Seatbelt 和 MXC 等机制隔离模型运行环境。它还支持把文本或视觉 LLM 转成 Jev 风格 decision model，decision 准确率从 30% 提升到 80%，并集成训练、测试、导出和服务流程。
How Anthropic’s Dynamic Workflows Coordinate Claude Agents
Anthropic 在 AI Engineer New York 分享 dynamic workflows 如何协调 Claude agents，并借鉴 Unix 与 Linux 的组合式设计经验。重点在于让多个 agent 分工处理更大项目，同时维持开发者可理解、可干预的控制面。
Sakana AI 的 MASS 方法让同一个语言模型同时承担解题、评审和工作流改进角色，两轮后相对基座模型达到近 70% 胜率。问题在于三种角色共享盲点时，模型会把一致性误判为进步并在训练中强化错误，这对自我改进式 Agent 训练是一个很现实的风险提醒。
AWS 介绍如何在泰国、马来西亚、新加坡、印度尼西亚和台湾等源区域，通过 Amazon Bedrock 的全球跨区域推理访问 OpenAI 的 「GPT-6 Sol」、「GPT-6 Luna」和 「GPT-6 Astra」。文章覆盖 Converse API、OpenAI 兼容 API、IAM 与 SCP 权限、配额估算和监控，对企业把 OpenAI 模型纳入 Bedrock 治理体系很关键。
How ShipStation Global built an AI IT help desk on Amazon Bedrock AgentCore
ShipStation Global 用 Amazon Bedrock AgentCore 构建了 Slack 内的 AI IT help desk agent「Deckhand」，能回答知识库问题、读取报错截图并创建 Jira 工单。上线前三个月解决了 97.5% 的频道咨询，正反馈率达到 96%，是企业内部 Agent 从问答走向工单执行的清晰案例。
「llama.cpp」b11588 允许 「Qwen3.8 Flash Next」在 MTP 场景接受 image embeddings。这个变更补齐了多模态输入与多 token prediction 图路径的衔接，有助于本地运行新一代 Qwen 多模态模型。
b11597: graph: skip the LM head for pooled embeddings (#30445)
「llama.cpp」b11597 在 pooled embeddings 场景跳过 LM head，避免为每个 token 计算 n_vocab logits 和维护对应 host buffer。对只取序列级向量的 embedding 服务来说，这能显著减少无用计算和内存压力，尤其适合检索与向量化批处理。
viable/strict/1791914049: [CUDA] Migrate UVM MemPool to Python Allocator (#199639)
PyTorch 将 CUDA UVM MemPool 从 ctypes 实现迁移到新的 Python allocator，并保留 UVM 相关单测覆盖。这个改动降低内存池实现的维护复杂度，也让统一虚拟内存路径更贴近 PyTorch 新的分配器抽象。
Amex introduces a framework to prevent AI agents from making unauthorized purchases
American Express 推出一套框架，用来确保 AI agents 只能执行用户已授权的购买行为。随着购物 Agent 开始代替用户下单，支付授权、争议处理和责任边界会成为 Agent 商业化落地的基础设施问题。
PyTorch Inductor 的一项性能改动允许 fusion 进入 template epilogue inputs。对编译器后端来说，这类融合扩大能减少中间写回和 kernel 边界，通常会直接反映在推理和训练算子链路的吞吐上。
Meta、OpenAI、Google集体杀入，个人Agent一夜爆红：YC CEO说真正的 AGI 已经在你电脑里
InfoQ 关注 Meta、OpenAI、Google 等大厂集中押注个人 Agent 的趋势，并引用 YC CEO 对个人电脑中 AGI 雏形的判断。对从业者而言，个人 Agent 正从产品概念变成操作系统、浏览器和本地模型生态共同争夺的新入口。
viable/strict/1791906918: [AARCH64] Use oneDNN jit:int8 matmul for torch._int_mm (#200389)
PyTorch 在 AArch64 上把 「torch._int_mm」路由到 oneDNN 的 jit:int8 matmul，要求 CPU 支持 SVE 和 I8MM，x86 路径不变。由于 TorchAO 的动态 int8 线性层会调用该接口，这项改动能让 ARM 服务器和边缘设备上的 int8 推理真正吃到 oneDNN 优化。
魔法原子具身Agent框架拿下MolmoSpaces全球第一
量子位报道魔法原子的具身 Agent 框架在 MolmoSpaces 榜单拿下全球第一，主打让 VLA 从演示可用逼近产线可用。对机器人和具身智能团队来说，评测领先意味着视觉语言动作链路、任务泛化和执行稳定性正在成为产业化竞争焦点。
「llama.cpp」b11590 在 Vulkan 后端中，当 matmul dispatch 可能超过 maxComputeWorkGroupCount 时进行拆分。这个修复面向 GPU 后端的边界稳定性，可避免大矩阵或特殊形状在 Vulkan 推理时触发硬件限制。
b11589: spec : remove tokens assert from dsv4 graph_mtp (#30444)
「llama.cpp」b11589 移除了 dsv4 graph_mtp 路径中遗留的 tokens assert。这个修复虽小，但能解除 DeepSeek V4 相关 MTP 图路径的错误约束，让 speculative 或多 token 预测流程更顺。
Anthropic study warns that small AI models could soon replicate across everyday devices
Anthropic 研究警告，小模型可能在数月内具备跨智能电视、扫地机器人等低防护消费设备自我传播的能力，测试中已有模型完成完整感染链。Dario Amodei 进一步称 6 到 12 个月内可能形成持久 botnet 并造成数千亿美元损失，这把模型能力外溢和终端安全问题推到了很高优先级。
GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives
「GroundingPI」把视觉定位做成面向物理智能的 4B 基座模型，解决机器人在杂乱场景、小目标和闭环控制中难以精确指认目标的问题。它用共享词表生成量化后的点和框坐标，把视觉原语直接纳入语言式输出空间，从而让目标、位置和动作前置感知更统一。价值在于把通用视觉语言模型较弱的 grounding 能力抽出来强化，为「VLA」和「WAM」提供更快、更可靠的空间接口。
AgentSWE: Can Coding Agents Build the Agent You Actually Want?
「AgentSWE」关注一个很现实的问题：代码智能体写出来的智能体，是否真的符合用户工作流，而不是只在表面上跑通。它把智能体软件工程拆成创建、调试和演进等生命周期阶段，用任务化基准检验需求忠实性、工具集成和行为可靠性。对从业者的意义在于，评测对象从代码补全转向可交付的 agent 产品，能更早暴露需求偏移和运行时失配。
Scaling Agentic Data for Long-Horizon Terminal Intelligence
这篇工作指出，终端智能体要完成真实专业任务，短轨迹只能展示命令调用，无法覆盖持续探索、证据积累、策略调整和最终交付。论文围绕长程终端智能提出可扩展数据构建思路，让轨迹在一个问题内保留中间发现、反馈修正和交付物之间的因果关系。它的价值在于把训练数据从孤立操作提升为长程行为范式，更贴近未来 coding agent、运维 agent 和研究型 agent 的训练需求。
Multi-Stream Attention Residuals
「MSAR」从深度维度重新设计残差连接，针对「Attention Residuals」只有单流深度注意力、表达多样性不足的问题。它借鉴序列维度多头注意力，把跨层检索扩展成多流深度注意力，并从序列上下文中引入不同 stream 的差异化信息。这样做在额外开销很小的情况下提升模型性能，说明深度方向的可学习信息路由仍有较大架构红利。
这篇论文讨论推理后训练的数据效率问题：继续扩大推理监督语料会显著增加成本，但收益并不线性。作者提出不确定性引导的渐进收缩框架，把监督和优化集中到最有学习价值的推理轨迹上，而不是平均消耗在大量低信息样本上。它的启发是，推理能力提升未必只靠更多数据，样本选择和训练预算分配本身就是重要的 scaling 维度。
Branching On-Policy Distillation
「BranchOPD」改进 on-policy distillation 的覆盖率瓶颈：学生模型每次只走一条续写路径，教师监督在有限采样预算下很稀疏。它用学生不确定性和师生分歧挑选关键决策点，从共享前缀分叉采样多个学生续写，并对分支轨迹做 token 级教师监督。这样能在同样预算下覆盖更多关键决策面，对训练 agent 和推理模型的行为分布校正很有价值。
Prospective Hindsight: Self-Calibrating Reinforcement Learning via Prediction-Reality Gaps
「Prospective Hindsight」指出长程强化学习过度依赖事后回报，梯度看不到智能体行动当下的信念和预期。它在任意回顾式基础方法上加入自校准信号，用行动前预测和反馈后评估之间的差距来训练模型修正判断。这个思路让 agent 不只是从结果好坏学习，还能学习自己何时误判环境，对长程规划和工具使用更关键。
UNITAS: A 3D-Native World Action Model for Embodied Manipulation
「UNITAS」把世界动作模型从图像空间推进到 3D 原生空间，回应机器人操作中像素距离无法直接表示物理距离的问题。它直接在度量三维表示上建模指令、动作和世界变化，避免仅依赖视频生成器的视角相关 latent。对具身从业者而言，这类 3D-native WAM 更适合抓取、移动和接触等需要精确几何的控制任务。
Thinking Inertia: LLMs Keep Thinking When Told Not To
这篇论文研究大模型的 no-thinking 行为，指出关闭 thinking mode 或没有长推理痕迹都不能可靠证明模型真的停止推理。作者围绕如何测量和约束无思考模式展开，揭示模型在被要求不思考时仍可能保留隐式推理惯性。它提醒部署方不能只靠界面开关控制推理成本、延迟或合规行为，还需要可观测的评测协议。
GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed
「GroundAnything」针对自回归 grounding 串行输出坐标带来的延迟和人为 token 顺序问题，重新把定位看作视觉证据提取。它用双向扩散并行生成并联合细化空间假设，让目标、位置和关系同时受图像与查询约束。该方法适合需要 flash speed 的交互和机器人场景，说明精确视觉定位不必绑定左到右生成范式。
Relevance Does Not Imply Applicability: Experience Activation for Personal GUI Agents
这篇工作挑战个人 GUI agent 中常见的历史检索假设：相关经验并不等于每一步都适用。研究发现，检索到的历史主要帮助任务开局，后续决策继续塞入同一经验反而收益有限甚至干扰。论文提出 experience activation 的方向，让 agent 按决策状态判断经验是否仍可用，对个性化桌面自动化和记忆机制设计很实用。
SpatialASM: Internalizing Active Mentalization for Spatial Reasoning
「SpatialASM」关注视觉语言模型缺少主动空间心智化能力的问题，即不能像人一样从任务相关视角重新想象和重建场景。它提出可扩展框架，让模型内化主动选择视角、重构空间布局和服务推理的过程。价值在于把空间推理从被动看图答题推进到主动 mentalization，对多模态基座和具身任务都有直接意义。
Systematic Multi-Agent Vision-and-Language Navigation: Formulation, Benchmark, and Method
这篇论文把视觉语言导航从单智能体扩展到多智能体协同，给出带依赖约束和资源约束的系统化问题形式。它不仅定义任务，还构建基准和方法，覆盖子任务分解、顺序依赖、资源分配和团队协调。对机器人和 embodied agent 来说，这是从单个导航者走向可调度团队的重要评测基础。
Visual Grounding Safety in Vision-Language Models
这篇论文系统研究 VLM 生成点和框等结构化 grounding 输出时的安全问题，因为这些输出会被界面、agent 和机器人直接执行。作者把直接伤害、社会偏见和情境安全三类安全基准改造成 15401 组匹配样本，只改变请求输出通道来观察风险。它提醒安全对齐不能只盯文本拒答，坐标和框同样可能成为可执行伤害接口。
SPLATIFY: Reproduce, Discover, Innovate! From Papers and Ideas to Trainable 3DGS Code
「SPLATIFY」面向 3D Gaussian Splatting 论文复现成本高的问题，把论文和想法转成可训练的「gsplat」实现。它用多智能体框架、面向 gsplat 的上下文无关语法和模块化模板，把损失、densification、渲染和优化等扩展点结构化。意义在于让 3DGS 研究从手工复现转向可执行代码生成，也给垂直领域 paper-to-code 提供了更可靠的工程范式。
T3lescope: Arbitrary-Resolution High-Fidelity Generative Surface Reconstruction from Images
「T3lescope」要解决多视角图像到高保真 3D mesh 的泛化重建问题，覆盖从单物体到大型户外场景的不同尺度。它不做每场景优化，而是利用生成式 3D 先验补全稀疏观测、反光和透明表面，同时突破固定分辨率和有限空间范围的限制。对 3D 内容生成和重建系统来说，它把速度、尺度和细节质量之间的取舍往前推了一步。
ARCS: Towards Precise Text-to-SQL via Structured Disambiguation
「ARCS」聚焦 text-to-SQL 落地中的隐性歧义，很多错误并非模型不会写 SQL，而是问题在领域或数据层面有多种合理解释。论文提出结构化消歧，用更贴近工作流的方式表达歧义点，而不是完全依赖低效的多轮澄清。它对企业数据问答很重要，因为可控消歧能降低静默误答风险，提高从 demo 到生产的可信度。
Initialization Improves LLM-Driven Discovery
这篇论文研究 LLM 驱动发现中的初始化效应，即已有迭代种群如何影响最终发现成功率。作者把既有 harness 设计泛化为「Modular」套件，在 5 类发现任务上比较 12 种 harness，分析初始化、搜索过程和目标优化之间的关系。它说明 LLM 发现系统不只是模型能力问题，初始候选集和迭代机制会显著改变算法、定理或药物等任务的产出质量。
Evaluating LLM Creativity through Long-Tail Performance
这篇论文试图把创造力评测统一到参考输入输出分布的长尾表现上，而不是依赖彼此差异很大的任务和指标。它用 novelty-quality product 的思想解释创造力：输出既要少见，也要在任务内有效。对评测从业者而言，这提供了一个更可比较的视角，可区分真正长尾能力和常见模板的高分伪创造。
Same Output, Different Gold: Measuring How Reference Choice Moves a Multilingual Benchmark Score
这篇论文把注意力从模型输出转向 benchmark 的 gold reference，测量参考答案选择本身会让多语言评测分数移动多少。作者固定系统输出，只替换六语言 PII 基准中的不同标注和专家复标 gold，发现分数可移动 4.95 F 值。它提醒多语言评测的不确定性不仅来自模型，也来自参考标准，排行榜差距接近该量级时应谨慎解读。