外观
AI 导读论文将多模态具身智能体定义为把多模态任务推理与物理动作结合、并依据反馈修正决策的系统，提出按功能划分的PAPAV五能力框架：感知状态、预判动作效果、规划可行路径、通过接口或身体执行、验证结果。作者比较了电脑使用智能体、多模态智能体与机器人系统，并指出物理约束——从部分可观测到结果难验证——使可预先固定的选择更少、纠错空间更小。在64个基准中，显式评估集中在“执行”，仅5个评估“预判”、3个评估“验证”。
AI 选稿理由论文提出统一的五能力框架，并用64个基准的统计指出预判与验证能力在评测中严重缺位，为具身智能体的评估设计提供了可复用的分析框架。
AI 导读VX-One用10万至1000万参数的多头网络输出二值门、含明确未知选项的闭集选择和序数分，CPU上p50约0.7–1.7毫秒。在UNSW-NB15、CIC-IDS2017、EMBER2024上与校准XGBoost、随机森林、MLP、Kitsune对比：VX-One在UNSW-NB15和CIC-IDS2017时间漂移下检测占优（0.711对0.637），多类归因三项基准均由XGBoost胜出；留一攻击族门在9/9个UNSW折上检出未见族，但在CIC侦察族低于随机水平。五日Suricata加VX-One级联中，无载荷重建时签名引擎仅解析约0.1%流量，第二阶段把召回补到至少0.978；所有方法的时间漂移下校准均崩塌（ECE从0.04升至0.40）。
AI 选稿理由给出类型化校准决策头在边界分诊中的逐项实测，明确了未知攻击检出、跨基准阈值迁移和多阶段级联的失效条件。
AI 导读视频扩散Transformer的3D注意力开销大，块稀疏注意力只算部分注意力块，但现有方法未优化稀疏分配的层与去噪步组合。作者发现不同层-步对最终画面保真度影响差异很大，且最敏感组合跨输入几乎不变。ALLOT把每对视为单元，经单元探测与轨迹校准估计其对最终视频误差的贡献，在实测延迟预算下联合优化密度，只替换分配环节。相同或更短墙钟时间下，在HunyuanVideo上PSNR比现有分配策略高11.8 dB；在Wan2.1、Wan2.2、HunyuanVideo的四种已发布管线九种设置中，均优于或持平默认。
AI 选稿理由提出免训练稀疏分配方法，在实测延迟约束下按输出误差优化层-步密度，并在五种视频生成管线九种设置中验证优于或持平默认，给出可复用思路与具体PSNR收益。
AI 导读研究揭示扩散语言模型的量化敏感性与任务和时间步相关，不同下游任务在去噪步骤中需要不同精度。基于此，研究提出T2Quant框架，使用无标签敏感信号在固定比特预算下优化激活精度分配。在三个DLM和六个基准测试中，该方法平均准确率提升最高达6.7个百分点。
AI 选稿理由T2Quant框架首次实现扩散语言模型的任务和时间感知量化，无需标签即可预测量化敏感模式，在相同预算下显著提升准确率。
AI 导读研究人员开发了一种名为DirCast的单流媒体视频语言模型，能够实时进行电子竞技直播的导演和解说。该模型通过分析所有摄像机的低分辨率画面，决定何时切换镜头，并在高分辨率下读取选定镜头的内容进行解说。DirCast在导演和解说方面均优于基于规则的导演和GPT-5等模型，解说能力在Proact-VL协议下与GPT-4o相比胜出29.2%。
AI 选稿理由DirCast模型在电子竞技直播导演和解说方面展现出优于现有技术的性能。
AI 导读研究团队开发了解释性管道，发现视觉-语言-动作(VLA)模型将任务指令编码为绝对坐标程序，导致对物体位置变化的脆弱性。通过激活注入实验，模型在99.6%的案例中执行源任务的轨迹，即使面对不同场景。研究还发现不同架构对指令的权重分配差异，以及目标选择与动作生成的分离机制。团队发布了Action Atlas交互平台，包含520+训练SAEs、79个识别概念及UR10e实验结果。
AI 选稿理由提供了视觉-语言-动作模型的内部工作机制解释，揭示了其脆弱性的根本原因，并开源了可复用的分析工具与数据集。
AI 导读现有世界模型编码器不随任务调整，容易被与任务无关的视觉细节干扰。ConfigWM 以自然语言任务描述作为配置信号，把视觉嵌入映射到任务专属状态空间，只保留相关信息，再在其中学习动作条件动态用于规划。在干扰逐步增强的环境中，ConfigWM 的规划成功率保持相对稳定，平均超过最强对比方法 22.3%；物理量探测的 Pearson r 提升 0.365，干扰到干净检索提升 75.5%。
AI 选稿理由提出用语言任务描述驱动状态空间配置的世界模型方法，在噪声递增环境中给出规划成功率、物理量探测与检索三类量化结果，属于有实验范围的能力进展。
AI 导读针对RLVR奖励稀疏、长程任务难以分配信用的问题，作者提出Self-Credit：先让策略模型在 rollout 中生成带引用的摘要，标出关键证据所在轮次；再用同一提示下成功与失败轨迹的组内一致性重缩放这些引用，削弱错误信用、强化关键动作，并据此调整引用轮次的优势值。在BrowseComp-Plus上，Qwen3 8B与32B分别比基座高37.0和36.2分，比最强智能体RL基线高8.5和5.6分；GAIA与xBench-DeepSearch分别再高4.9和4.7分。
AI 选稿理由提出无需额外标注的信用分配方法，在Qwen3 8B/32B上给出BrowseComp-Plus、GAIA、xBench-DepSearch的具体提升幅度，适用于长程工具型智能体RL训练研究。
AI 导读Hugging Face 博客发布 TorchNeuron 系列教程第一篇，讲解如何在 AWS Trainium 上用 torch.profiler 和 Neuron Explorer 分析推理性能。文章以 RMSNorm 为例对比三种实现：朴素 PyTorch 算子约 2,355 µs，torch.rms_norm 约 403 µs，torch.compile 约 376 µs，后两者融合为单内核，设备时间约为朴素实现的六分之一。内容包括 NeuronConfig 配置、按 self_privateuse1_time_total 读表、用依赖链追踪一次算子从框架调度到硬件执行。
AI 选稿理由提供可复用的 Trainium 推理性能分析方法，并给出 RMSNorm 三种实现的设备耗时对比，适用于在 Neuron 后端定位算子级热点。
AI 导读微软研究院Xinzhi Zhang与合作者证明了1995年提出的Kannan-Lovász-Simonovits（KLS）猜想：对对数凹分布，最佳平坦切割与任意形状切割的差距总被一个与维度无关的常数界定。研究者用AI智能体探索了约100条候选路径，由人筛选方向，最终通过递归细化与误差有界性论证完成证明；同日另有两组独立证明与Lean 4形式化验证发布。
AI 选稿理由解决了高维几何与概率论31年核心公开问题，把此前随维度缓慢增长的界收紧为维度无关常数，使大量依赖该猜想假设的结果可无条件陈述；同时提供了人指导AI做数学研究的可复用流程对照。
AI 导读英伟达推出Kumo Forecast（原NV-Tesseract Forecasting）多变量时序预测模型，基于MOMENT-1-large约3.4亿参数编码器加可训练预测头。新增DARR模式，用最近邻从历史数据检索相似模式并与直接预测融合；同时提供模型无关的可解释框架，按预测步长输出滞后与特征归因。代码和权重以Apache 2.0开放，支持DataFrame式API及256至2048长度输入。
AI 选稿理由开源可用的多变量时序预测模型，新增历史模式检索与逐步长解释能力，适用于预测性维护等场景，需注意输入长度和数值型数据限制。
AI 导读Google Cloud 宣布基于 Vera Rubin NVL72 的 A5X 实例下月全面可用，并计划扩展至欧洲。单实例整合 Vera CPU、Rubin GPU、ConnectX-9 SuperNIC、Virgo 网络与第四代液冷，面向智能体推理和大规模强化学习。Google Cloud 计划在多地部署最多 96 万颗 Rubin GPU。AlphaGo 作者 David Silver 创办的 Ineffable Intelligence 为首个客户，WPP 在该实例上用 Nemotron 与 OpenShell 展示创意智能体工作流，称原需多节点的任务可在单实例运行。
AI 选稿理由新增事实是 A5X 实例下月全面可用、最多 96 万颗 Rubin GPU 的部署计划，以及首个客户和 WPP 单实例运行结果；这是云上部署进展，适用范围限于 Google Cloud 客户。
AI 导读NVIDIA在GTC Berlin展示了完整的本地AI硬件产品线：RTX Spark为Windows PC提供个人代理支持；DGX Spark支持开发者构建和扩展应用；DGX Station为企业团队运行前沿工作负载提供支持。新增功能包括Underdog桌面代理应用、DGX Spark 64GB版本、NVIDIA Sync支持八台DGX Spark集群、DGX Station Windows版本将于12月发布，以及Recursive Flint本地编码模型等。
AI 选稿理由NVIDIA在欧洲推出完整的本地AI硬件产品线，包括RTX Spark、DGX Spark和DGX Station，并新增多项功能和模型支持，为开发者和企业提供了本地AI解决方案。
AI 导读英伟达梳理欧洲、北欧、非洲和中亚云伙伴的区域算力扩展：Nscale在GB300 NVL72测试中用DSX MaxLPS在同等供电下多跑37%的GPU、聚合推理吞吐提升近50%；Nebius采用Groq 3 LPX并推出机器人云与三套零售Agent蓝图；Baseten与CodeRabbit用Nemotron 3.5 Lightning把代码审查路由一致率从75.8%提到80.7%、推理成本降50%；Mistral以3800块Grace Blackwell训练Mistral Large 4并计划2027年交付Vera Rubin。OpenShell参考架构由Vera CPU、BlueField-4和Sentry提供代理权限边界，多家云商支持。
AI 选稿理由汇总了DSX MaxLPS在GB300上的能效数据、CodeRabbit微调后的准确率与成本变化，以及OpenShell参考架构的具体分工与首批支持云商，可作为欧洲区域算力与代理安全部署的进展参考。
AI 导读NVIDIA扩展开源模型家族，涵盖语言、机器人、生物学和量子计算领域，推出Nemotron 3.5 Super VL和Nemotron 3.5 Bolt等新模型，以及Kumo结构化数据处理模型、Cosmos 3.5世界模型、Alpamayo 2 Edge自动驾驶模型、BioNeMo医疗模型和Ising量子计算模型。这些模型允许组织使用本地数据定制并部署在自有基础设施上。
AI 选稿理由NVIDIA发布多领域开源模型，提供本地化定制能力，适用于欧洲各行业主权智能需求。
AI 导读DeepSeek开源DeepInfer推理框架，支持英伟达GPU与昇腾NPU，单集群每天处理155万亿Token，谷电时段每GPU小时收入38美元；MiniMax发布M3.1 Flash模型，总参数4280亿，支持100万Token上下文，72小时内处理超100万亿Token，推理速度提升近3倍；Anthropic让Claude生成数学证明验证代码正确性，为123个开源库生成约1.8亿行证明代码；腾讯推出AI互动知识产品'懂了鸭'，可将文字、知识点转化为动态课件、3D演示等内容。
AI 选稿理由DeepSeek开源高性能推理框架DeepInfer，提供具体生产数据和经济效益；MiniMax发布大规模参数模型，展示实际部署能力；Anthropic和腾讯分别推出创新AI应用，提供可复用方法。
AI 导读论文提出把多模态重排序视为“系统一”式单选决策：让通用 VLM 对第一阶段检索的前 16 个候选做一次单选，排序依据是单次前向计算中候选项标签的概率。在 MMEB-V2 图像检索上，该做法比逐候选是/否提问高 5.4–7.3 hit@1。零样本 Qwen3.8-27B 在三个基准上超过监督式 Qwen3-VL-Reranker-2B，并在每个基准上距 Reranker-8B 不超过 1.6 分；其延迟为后者的 1.1–1.5 倍。作者也指出，模型规模和代际差异会混淆对比结果。
AI 选稿理由给出可复用的多模态重排序方法及 MMEB-V2 等基准的具体增益与延迟数据，并说明模型规模与代际差异会影响对比结论。
AI 导读Specter将量化、投机解码与专家卸载结合，用轻量量化草稿模型在设备上保留高保真的专家激活模式，从而提前预测并调度后续专家数据的搬移。在单请求推理下，相比当前最优系统，TPOT平均快1.50倍、最高1.88倍，使显存受限的单卡MoE推理更可行。代码已开源。
AI 选稿理由给出量化草稿模型驱动多步专家预取的具体系统设计，并在单请求场景测得TPOT平均1.50倍、最高1.88倍加速，适用于受PCIe卸载瓶颈限制的MoE推理。
AI 导读研究者提出Lafa，将连续流语言模型扩展到8B参数，采用块内双向异步流加前缀因果注意力的设计，可通过改造预训练自回归模型高效训练，并用前缀缓存和块级并行解码加速推理。在0.5B、7B、8B规模上，均以少于300亿token完成训练，指令跟随、推理和编程质量与AR相当或更好，还能蒸馏成流映射，实现一步或少步生成。利用流训练的多token预测效应做自推测解码，吞吐量达AR的2.54倍。
AI 选稿理由给出8B连续流语言模型的完整训练与推理方案，并在多token预测和自推测解码下报告了2.54倍吞吐的具体结果，属于可复用的生成建模范式进展。
AI 导读研究团队发布EvaOmni视听推理基准，含392段视频、1027个人工标注问答对，覆盖检索定位、基础理解、复杂推理三层共15项能力。评测要求模型同时返回答案与支撑证据区间，并用C.G.衡量证据覆盖、B.G.惩罚单模态时间定位偏差。在24个Omni模型上，Gemini3.7-Flash综合准确率最高（79.4%），但Level 3的B.G.仅12.3%。
AI 选稿理由新基准把“答案+音视频证据区间”纳入评分，并给出24个Omni模型的分层结果，可复用于视听推理评测。
AI 导读论文提出 Progress-Aligned Recurrence（PAR）：把第k次迭代的预测对齐到前k步后的状态，并把循环状态缩放回首次迭代的范数。用最多32步训练的Qwen2.5-0.5B在swap-S_5上做512步全状态跟踪，平均准确率95.5%，为训练长度的16倍；同骨干下RLT为55.7%，显式思维链仅0.8%。消融显示去掉范数锚定后外推倍数从16倍降至2.2倍以下，把进度对齐目标换成最终答案监督则至多8倍。
AI 选稿理由给出可复用的训练方法：进度对齐目标加范数锚定，使循环深度在状态跟踪任务上的外推从不到2.2倍提升到16倍，并附同骨干对照与消融结果。
AI 导读研究提出 S-Agent 2.0，为现成通用编码代理配备命令行感知工具包，并通过持久场景记忆让模型把工具读到的几何数据转成空间结论。开源底座 Qwen3.8-27B 接入后，MMSI-Bench 和 ReVSI 分别比无工具版本提升 13.9 和 20.5 分，达到 66.5 和 82.3，超过同底座的 SpatialClaw；接 Gemini-3.8-Flash 时同样领先。该方案可运行在 Codex、Claude Code 等代理框架上。
AI 选稿理由给出空间推理代理的工具接口与记忆设计，并在两个基准上按开源/闭源底座分别报告相对无工具与 SpatialClaw 的具体分数变化，属于可复用的研究方法进展。
AI 导读研究团队发布DecisionPivot诊断基准，含48项任务、40033条数据，覆盖七类决策角色，核心轨道7800条来自13个生成任务族并组织成对比组。评测40个决策模型和14个通用模型后发现，参考轨道上仅差2.6分的两个27B模型，对比组准确率分别为70.1%和44.2%；Perplexity Decider在2400对二选一中概率排序正确率92.3%，但两项都答对仅74.1%。
AI 选稿理由新基准将LLM系统内决策模型的评估从单项准确率扩展到对比组、校准与选择性覆盖，并给出多项模型间的具体差异数据，适用于研究LLM路由与护栏评估的读者。
AI 导读Hugging Face每日论文介绍Sage-A1.5，这是一个在A1基础上构建的35B混合专家智能体模型。相较A1，它不只求解单个任务，还能在執行中组织工作并调整策略：通过子智能体独立上下文的委派与并行协作实现任务分解；以进度检查、证据验证和反思式策略修订提升长程可靠性，识别无效搜索路径并转向；并将能力扩展到开放式科学发现，支持交互式分析与可审查的研究产物。作者通过复杂智能体任务和多学科科学应用展示上述能力。
AI 选稿理由这是新模型的技术报告，新增点是子智能体并行编排、验证纠偏与科研探索三类能力的组合，适用于长程任务与开放科学场景；目前仅有报告中的任务与多学科应用展示，未给出公开权重或基准对比。
AI 导读论文提出语言条件潜世界模型 LaLa-World，用语言同时描述数值动作和视觉变化，让单个未来预测器在仿真、机器人轨迹及图像视频数据上联合训练。其平均 MPC 规划性能超过按域单独训练的 LWM；与基于 RAEv2 的视频生成基线相比，训练成本少 6 倍、规划快 13.9 倍。作为初始化得到的 LaLa-Policy 在 LIBERO 和 RoboCasa 上与 Cosmos Policy 竞争力相当，推理最高快 5.5 倍。
AI 选稿理由提出语言描述动作与视觉变化的 JEPA 式潜世界模型，在多域数据上联合训练后规划性能提升，并给出相对视频生成基线的训练成本与规划速度数据。
AI 导读SplatLab是一个针对3D高斯溅射(3DGS)的自主研究系统，能够复现已发表论文、提出扩展方案、训练模型并撰写论文。该系统在Mip-NeRF 360和LLFF数据集上，其生成的论文在PSNR指标上比复现目标高出+0.18至+3.78dB，其中在天文摄影星云渲染上提升3.78dB，且此前无3DGS方法能处理此类任务。研究周期从数月研究生工作缩短至数天自主计算完成。
AI 选稿理由SplatLab实现了3DGS研究全流程自动化，在PSNR指标上显著超越复现目标，将研究周期从数月缩短至数天，并首次实现天文摄影星云渲染的3DGS方法。
AI 导读研究指出，现代LLM代理可以从可访问的文档中检索信息，并泄露敏感结论。通过30个合成案例，发现GPT-5.6-Sol模型在模拟中有7.08%的答案泄露了禁止组合，在真实环境中泄露率更高。研究强调了在敏感数据环境中对代理推断和披露的更强控制。
AI 选稿理由揭示了代理型LLM系统中敏感数据泄露的风险，强调了需要更强的控制措施。
AI 导读研究团队提出FRED框架，通过自蒸馏方法改进World Action Models(WAMs)中未来视频表示的质量。该框架利用真实未来观测作为目标，从噪声中预测未来表示，并结合历史观测提供时间上下文。在多样化实际操作场景中，FRED在长时程和跨域任务上显著优于现有WAMs，将人类到机器人的技能转移成功率从19.4%提升至50.0%。
AI 选稿理由FRED框架通过自蒸馏方法显著提升了机器人未来视频表示质量，在长时程和跨域任务上实现零样本泛化，并大幅提高人类到机器人的技能转移成功率。
AI 导读研究探讨了递归自改进(RSI)在物理AI中的应用，分析了如何通过物理经验强化改进机制，并总结了现有研究的评估原则和未来研究方向。研究指出，物理环境中的RSI需要处理部分观察、高成本试验和不可逆后果等挑战，现有研究主要集中在操作领域，支持行为改进、后续学习和程序改进，但尚未完全隔离递归带来的增益。
AI 选稿理由该研究系统分析了递归自改进在物理AI中的实现路径和挑战，为机器人学习领域提供了评估原则和研究方向。
AI 导读研究提出前馈模型 Foundation4D，用共享骨干和分解式时空注意力，从多相机驾驶视频同时完成几何估计、3D 检测、语义占用与高斯重建；视频推理用位姿图优化细化相机轨迹并拼接目标轨迹。团队还发布含 1253 段驾驶片段的 PAI-Foundation4D 基准。按基准微调后，在 Waymo 和 nuScenes 取得最低深度 AbsRel，nuScenes 检测 mAP 最高，OpenOccupancy 占用 mIoU 最高。联合训练使检测 top-class mAP 提升 1.2 点，几何与检测共训把相机到支架平移误差降低 13.4%。预测几何与轨迹还作为无激光雷达 NuRec 的先验。
AI 选稿理由新论文给出多任务驾驶感知与重建的统一前馈模型，并在 Waymo、nuScenes、OpenOccupancy 报告深度、检测、占用指标及联合训练增益，附 1253 段驾驶片段的标注基准。
AI 导读i14的Laplace 3B模型采用门控线性注意力（GLA）替代softmax注意力，推理时循环状态固定为每条序列29.5 MB，不随上下文增长。AWS团队用TorchNeuron Native将模型移植到Trainium2，保留了GLA设计和Muon优化器。单台trn2.48xlarge训练吞吐约12万token/秒，推理在1280并发序列下达到每秒11544个输出token。文章介绍了模型设计、移植中的三项修改及性能数据。
AI 选稿理由给出了线性注意力模型在Trainium2上的具体移植方法（GLA核重写、Muon通信优化、反向图展开）及训练/推理吞吐数据，适合关注模型架构与部署工程的读者参考。
AI 导读基座 GPT-OSS-20B 在 50 例多语言推理测试中仅 22% 按目标语言推理（英 100%、法/西/意 0%、德 10%）。作者在 SageMaker HyperPod 上用 LoRA 微调，结论是 SFT 完成主要工作，GRPO 只在有能力提升空间时起作用；另用 Qwen2.5-7B 做对照实验验证该规律。
AI 选稿理由给出了 SFT 与 GRPO 何时各自动手的可复用判断标准和完整训练栈配置，帮助团队针对非英语用户定制开源推理模型。
AI 导读AWS 宣布，加拿大中部和西部区域的用户可以通过跨区域推理（CRIS）在 Amazon Bedrock 上访问 OpenAI GPT-6.1 Sol、GPT-6 系列（Astra、Sol、Luna）及 GPT-5.6 系列模型。请求会由源区域路由到美国或全球可用区域处理；这些模型支持 100 万 token 上下文、推理模式、工具调用和提示缓存，并可通过 Responses API、Chat Completions API 和 Converse API 调用。文章还介绍了 IAM 权限、SCP 限制和配额调整方法。
AI 选稿理由加拿大企业无需自建路由即可在本地区域接入 OpenAI 最新 GPT-6 系列模型，并获得更大的跨区域容量池；这对有北美数据驻留要求的生成式 AI 应用有直接部署价值。
AI 导读Hugging Face推出FairStress基准，用于测量大语言模型在人口公平性方面的表现，超越传统仅关注最终决策的方法。该基准包含300个现实场景，测试模型在面对不同人口身份和对抗性前提时的决策稳定性，发现模型在多数群体身份候选者被挑战时更可能放弃正确决策，表现出反刻板印象过度纠正现象。
AI 选稿理由FairStress解决了传统公平性评估无法捕捉模型决策过程中隐藏偏见的问题，为AI开发者提供了测量模型对称公平性的工具，有助于构建更公平的AI系统。
AI 导读AWS发布技术文章，介绍如何使用AtScale和Amazon Bedrock AgentCore构建语义层，实现代理式AI系统。该方案采用维度模型而非知识图谱，通过语义建模语言(SML)定义模型，同时支持SQL、XMLA和MCP三种协议。系统可确保业务智能工具与代理获得相同计算结果，并支持基于身份的访问控制。
AI 选稿理由该方案解决了企业数据分散导致的跨系统查询难题，通过语义层统一数据定义，使AI代理和BI工具能从同一数据源获取一致结果，同时支持细粒度访问控制。
AI 导读AWS与Strategy合作，使用Strategy Mosaic作为语义层，通过Amazon Bedrock AgentCore运行Strands代理，实现跨Amazon Redshift和Aurora的客户360视图。该系统支持MCP协议、JDBC/ODBC、XMLA和REST四种原生协议，无需ETL即可连接多种数据源，并实现端到端的行级和对象级安全。
AI 选稿理由解决了企业AI代理跨多数据源进行语义推理的难题，支持实时数据联邦和统一业务指标定义，降低了复杂查询的开发难度。
AI 导读IBM研究团队开发的ALTK-Evolve系统通过GPT-4.1学习并应用行为指南，在不更新模型权重的情况下，在客户服务基准测试τ²-bench上取得了67.5%的Pass^4分数，超过了所有零售业参赛者。该系统分析代理的训练任务尝试，将成功和失败提炼成简短的行为规则，添加到系统提示中，无需人工标注或权重更新。
AI 选稿理由解决了基础模型在客户服务任务中的可靠性瓶颈，使非推理模型GPT-4.1通过学习记忆达到专业水平，适用于需要严格遵循政策的客户服务场景。
AI 导读本期主线包括：MiniMax M3.1 Flash 面向 Agent 与编码任务，称在线推理快近三倍、使用成本降 70%，权重后续开放；Inception Labs 的扩散语言模型 Mercury 3 称在多项基准上超过 GPT-6 Luna 与 Claude Haiku 5.5，生成速度超每秒 1000 token；Cloudflare 介绍不生成 token 的抽取模型 Clairic，输出带置信分数。工程侧，Meta 披露千兆瓦级 Prometheus 超算集群与“薄编排器”Agent 路由架构；PyTorch 原生后端 TorchNeuron 与 vLLM 推式 KV 传输分别面向 Trainium 和分离式推理。此外还有 Exa 3.0 搜索、OpenAI 改进 COBOL 等老旧语言编码、Anthropic 据称再谈 450 亿美元算力交易等条目。
AI 选稿理由合集内 MiniMax M3.1 Flash 的成本与速度数据、Mercury 3 的扩散模型基准结果、Clairic 的非生成式抽取方法均属可复用新事实，但均需按厂商自报口径看待。
AI 导读研究人员在复现POPE基准测试的幻觉缓解结果时发现，评估代码中的token选择会影响F1分数。通过分析9,000个问题，发现模型实际生成的是带空格前缀的"Yes"和"No"token，而非直接比较的"yes"和"no"token。这种评估方法导致LLaVA-1.5-7B在对抗分割上的F1分数提高了6.13点，超过多数报告的增益。研究还发现错误预测比正确预测获得更多图像注意力，与基于纠正的假设相反。
AI 选稿理由揭示了视觉语言模型评估中token选择对结果的关键影响，解决了评估方法不一致导致的性能比较难题，为研究人员提供了标准化的评估框架。
AI 导读PyTorch 2.15 为 Apple Silicon Mac 带来多项 MPS 性能优化：FP8 数据类型支持，MoE 模型解码速度提升 5-6.5 倍，线性层和 softmax 运算加速，视频解码内存占用从 270GB 降至 8GB，新增复杂线性代数运算支持。同时提供更精确的 MPS 可用性检查和 Python 流控制功能。
AI 选稿理由解决了 Mac 平面运行大型模型的性能瓶颈，使 MoE 模型解码速度提升 5-6.5 倍，视频生成内存占用降低 97%，为 Apple Silicon 用户提供了更高效的 AI 模型训练和推理能力。