NVIDIA RTX Spark 全球多地举办线下发布庆祝活动
NVIDIA 为全新 Windows PC RTX Spark 组织了全球多地的线下发布庆祝活动。RTX Spark 面向创作者、游戏玩家和 AI 智能体,活动地点包括 San Francisco、Berlin、Taipei、Beijing、Istanbul 和 Seoul,提供本地 AI 工作流、创意应用和游戏的实机体验。
NVIDIA 为全新 Windows PC RTX Spark 组织了全球多地的线下发布庆祝活动。RTX Spark 面向创作者、游戏玩家和 AI 智能体,活动地点包括 San Francisco、Berlin、Taipei、Beijing、Istanbul 和 Seoul,提供本地 AI 工作流、创意应用和游戏的实机体验。
NVIDIA 发布三款开放权重智能体模型:Nemotron 3.5 Super VL 120B、Bolt 74B-A9B 24GB 和 Bolt E4B 4GB,覆盖从企业服务器到端侧设备的智能体部署层。
推荐理由:原文明确三个模型各自的参数量、量化体积和适配硬件层,读者可以据此判断智能体部署成本如何从数据中心下沉到本地设备。
开发者 TabbyYu 基于阿里云百炼 qwen-vl-plus 推出微信小程序“拉香了”,用户拍摄照片即可生成 32 种 DBTI 便便人格与卡通形象。 该小程序通过 Zod 校验与 System Prompt 严格禁止医疗诊断,确保数据隐私且同一记录人格一致。 项目旨在降低健康观察门槛,让普通人更愿意持续记录排便状态,相关案例已收录于阿里云百炼开源计划。
Haivivi 发布新一代“光之召唤”奥特曼 AI 互动对话器,通过集成 6 种功能实现“一机顶六机”,支持故事共创与远程对讲。新品搭载硅基流动推理服务,其速度优于官方模型接口;该设备累计激活超 30 万台,日活达 5 万,长尾内容资产超 500 篇。
研究人员提出 LoDA 方法,通过任务驱动分解构建通用和真正任务特定的 LoRA 子空间,实现知识共享与隔离。 LoDA 固定下投影,通过梯度对齐优化学习鲁棒上投影,并在整合更新前推导闭式重校准公式。 实验表明 LoDA 优于现有持续学习方法,代码已开源,论文被 ICML 2026 接收。
论文提出以仓库为中心学习(RCL),训练 4B 参数小型模型 SWE-Spot-4B,在七个目标代码库上性能优于同等预算的以任务为中心学习(TCL)模型。 该模型性能可比肩或超越 Meta CWM、Qwen3-Coder-30B 等 8 倍参数量的开源模型,以及 GPT-4.1-mini 等商用效率模型,并具备更高的训练与推理效率。
研究显示在 Raspberry Pi 5 上使用 Hailo-10H NPU 运行 Qwen2-VL-2B-Instruct 可大幅降低推理能耗。NPU 卸载使每生成 token 能耗降低约三分之二,并避免 CPU 后端持续使用时的热节流问题,同时释放主机 CPU 资源。
W-JEPA 提出自监督框架,利用小波令牌组织惯性运动,提升跨数据集泛化能力。 该模型通过 EMA 目标编码器预测掩码令牌,在 6 项基准测试中,平均 macro-F1 提升 8.7 个百分点。
Google Research 在 Research@ 2026 活动中展示 Google Earth AI 扩展、Deep Review 公开化等十项创新。 Earth AI 整合超 1 亿公共数据集,TimesFM 和 TabFM 已集成至 Gemini 支持业务预测。 Deep Review 已向公众开放,支持验证法律及财务报告等技术文档。
面壁智能联合 OpenBMB 社区正式发布并开源端侧多模态模型 MiniCPM-V 4.7,包含 35B-A3B 和 1B 两个版本。其中 35B-A3B 是全球首个可在端侧无损流畅运行的开源 MoE 多模态模型,在约 3GB 内存的 iPhone 17 Pro Max 上实现每秒 13+ token 的生成速度。
推荐理由:原文披露了 35B 参数 MoE 模型在 3GB 内存端侧运行的具体性能数据与 LES 调度技术细节。
论文提出 P2Skill 方法,通过提示词引导本地小型语言模型执行四项技能,由云端大语言模型迭代优化技能以泛化处理隐私数据。该方法无需隐私专项微调或额外检测器,在真实查询中传输的标注标识符少于现有云文本隐私保护方法,且更频繁地保留生成质量。
本文提出一种操作系统集成 AI 的功能边界审计方法,结合六种隐私失败面分类法和五维控制评估标准。 该方法已应用于 Apple Foundation Models、Android AICore/Gemini Nano 及 Microsoft Recall 等系统,并识别出通知、保留状态及问责制方面的模糊性。
论文提出 NAVIR 系统,在 BrainChip Akida 上实现端到端视听语音识别,这是该类神经形态硬件上首个完整的多模态 AVSR 流水线。 系统在 GRID 基准下噪声环境词错率达 14.0%,较纯音频基线提升显著;能耗比树莓派低 5 倍,比笔记本 GPU 低 100 倍以上,维持 14.5 次/秒推理。 显著降低边缘设备能耗,提升工业环境人机交互鲁棒性。
该综述分析 FPGA 在空间任务中实现神经网络加速器的潜力,结合其灵活性、低成本及抗辐射特性。 文中识别现有文献中的趋势与差距,并指出未来研究方向,涵盖自主操作、传感器数据分析及数据压缩等任务。 该研究作为资源有助于增强航天器机载计算系统性能。
ELaTTA 提出仅前向、无梯度的单实例测试时自适应框架,在五个视觉基准测试中展现出强准确率。 该方法冻结预训练模型,通过 CMA-ES 在预计算的潜在子空间中搜索低维系数向量进行自适应。相比 MEMO,ELaTTA 计算量降低 64.7 倍,峰值内存降低 12.4 倍,并验证了在 Raspberry Pi 5 上的部署可行性。
CoMIC 提出一种无需更新参数的云边协作框架,通过“边缘执行、云端反思”机制解决 LLM 智能体在长程任务中的记忆与反思难题。 边缘智能体使用层级记忆执行子目标,云端 LLM 异步评估轨迹并跨智能体分发指导信息。 在 5 个长程基准测试中,CoMIC 使弱边缘智能体在标准智能体完全失败的任务上实现非零成功率,且降低上下文消耗。
研究团队提出 GPU Goldmines 框架,实现 WebGPU 内核在边缘 LLM 推理中的自动调优。 该框架针对 LLM 核心模块构建了矩阵乘法、矩阵向量乘法和 Flash Attention 内核。
该综述针对边缘部署的音频大语言模型智能体,提出了声学感知到动作(S2A)系统模型,以追踪安全影响路径。模型综合了现有声学、智能体及边缘系统文献,分析跨组件及阶段转换中的安全缺口。该发现要求跨持久状态、系统边界和部署条件,对声学影响进行从感知到动作的端到端安全评估。
研究团队提出了一种基于强化学习的客户端同步框架,用于解决边缘联邦学习中的同步瓶颈。 该框架将同步建模为资源感知控制问题,每个客户端根据本地进度和资源状态决定上传、下载或延迟通信。 实验表明,该策略在时空交通预测中降低了系统成本,在图像分类中提升了最终精度,证明了客户端控制优于纯服务器端协调机制。
EV-JEPA 提出单次训练、多设备部署模型,宽度可重构且原生支持跨异构设备分割。 核心采用 T3 训练,精度比独立基准低 1 点,比现有弹性方法高 11 点。 跨设备混合执行恢复至最高容量模型 1.1 点内,支持多变体分割配置。
该框架通过让本地 SLM 主动咨询 LLM 并接收自适应反馈,解决了隐私、效率与能力限制间的矛盾。SLM 作为异构代理,在信息不对称下自主决定多步推理中的咨询时机。结果显示策略优于基线且可迁移至未知 LLM 及真实任务,无需额外训练。
研究提出 EC2-Bench 基准,评估长程 LLM Agent 执行中的边云协作,涵盖任务性能、资源使用与隐私暴露。 结果显示边云协作在性能、资源与隐私间取得优于纯边或纯云的平衡;边缘模型能力增强时,协作性能逼近纯云,隐私暴露仍依策略而定,且协作控制权由外部向边缘侧转移。 这些发现为设计未来高效边云协作 Agent 提供了系统性理解与设计参考。
该 FPGA 架构实现了多层脉冲神经网络(SNN),支持时空模式分类的片上推理与训练,并采用仅时间前向训练算法替代 BPTT 以降低开销。 在 MNIST 及五个多元时间序列数据集上,该模型精度与 BPTT 训练的 SNN 或 LSTM 相当;相比 CPU/GPU,吞吐量提升 2.5 至 6 倍,单样本能耗降低一个数量级。 解决了推理与学习共享内存时的端口冲突及读写依赖问题,实现边缘设备高效部署。
SchemaWeaver 通过 schema 引导并行解码,将移动端 LLM 工具调用延迟降低最多 3.9 倍。 该技术在解码阶段一次生成多个 token,无需模型微调或训练,可直接应用于现有移动端推理引擎。
该论文提出一种整合 5G 网络切片、资源感知编排与移动性感知任务卸载的自适应框架,用于在受限异构边缘资源下保证移动医疗物联网(IoMT)的严格服务质量。框架为不同 IoMT 服务分配独立 5G 切片,并联合考虑 CPU 容量、内存可用性与存储量,实现更高效的服务部署与执行。
OpenMobile-2 是具备全开源训练环境的近前沿移动智能体,AndroidWorld 得分 79.9,MobileWorld 得分 50.4。 训练数据包含近 12K 条 SFT 轨迹及 2K 个可执行 RL 任务,MobileGym++ 覆盖 110 个应用。 真实设备迁移使 SPA-Bench 性能从 31.9 提升至 59.6,资源已公开。
在 Gated DeltaNet、GLA、Mamba2 和 RetNet 模型上,免训练低比特循环状态量化方法显著优于 INT4,相对 FP32 将状态内存减少最多 5.3 倍,解码速度提升最多 1.9 倍。
研究提出一种针对端侧小型语言模型的上下文感知精度调度方法,通过结合校准的时序模型和张量敏感度优化精度配置。 在笔记本 GPU 上测试显示,延迟预算下系统会降低权重精度以利用缓存读取时间,工具使用基准测试验证了该调度对完整响应时间和正确性的影响。
SparPR 是一种无需修改模型权重或离线训练的运行时 KV 缓存恢复机制,专为解决消费级 GPU 内存带宽瓶颈设计。该机制结合查询感知的 Key 块选择、动态预算控制和按需局部重算,在 RTX 3070 Ti 等消费级硬件上将端到端延迟降低 31%-63%,吞吐量提升 1.4-2.7 倍,使 8k token 任务在 44 分钟内完成。
EdgeWise 是一种边缘-云端协作框架,在 SWE-Rebench 和 Terminal-Bench 2.1 上实现性能匹配或超越纯 LLM,分别降低 62% 和 34% 推理成本。 该框架本地部署 SLM 作为主求解器,关键步骤委托给云端 LLM,并结合步骤级强化学习优化委托决策。
通过并行生成多次候选输出并使用公开或模型生成的测试进行筛选,小模型或压缩模型可恢复部分因尺寸缩小而损失的能力。 在四个代码生成基准测试中,使用7B Qwen模型进行8次并行尝试,在MBPP+上基本匹配32B模型,并在另外三个基准上超越后者。 该方法在Nvidia GPU上约节省4倍模型内存,运行速度最快提升6倍,且能耗更低。
该研究提出按需推理(Inference on Demand, IoD)抽象,通过 CAMARA 类 API 在 5G 用户面传输切分感知的张量上下文。 基于可编程用户面功能(UPF)测试床评估,IoD 利用可切分视觉 AI 工作负载,证明自适应切分选择可作为面向网络的服务运行。 使推理切分超越简单卸载,为网络原生 AI 服务开启路径,协调计算、上下文与连接。
PEAM 是基于端侧 4B 模型微调的通信智能体,能毫秒级生成个性化网络配置规则,99.13% 的配置决策正确。 它通过空闲时批量分析历史记录、构建用户画像来生成规则,通信上下文变化时检索并执行,92.50% 规则有效,比传统专家规则方法高 84.50%。
提出多时间尺度分层世界-动作模型MHWA,通过跨步高层上下文通道和动态路由降低自回归预测漂移。 该模型拥有77M参数,在14款Atari子集上取得0.884 HNS,较JOWA-70M基线显著提升。 使用10%离线数据,比JOWA-150M减少70.88%训练FLOPs,实现参数与效率的平衡。
提出 FidelityQ 标量量化框架,在 2 bit 权重精度下保持预测一致性。 引入信息对齐解析编码(IAC)与知识密集校准(KIC),在 LLaMA-2-7B 上 W2A16 困惑度为 6.62,线性层权重内存减少 8.0 倍。 支持 LLaMA 与 Qwen 模型族的权重-only 及联合量化部署。
该研究提出了一种混合架构,允许云端模型编写程序,并通过函数调用将有限的运行时数据解释任务委派给本地小模型(SLM)。 在 AppWorld 基准测试中,该方法使纯代码智能体的成功率最高提升 14.9pp,缩小了与云端 ReAct 循环的性能差距。 此方案在保持用户数据本地化的同时,显著恢复了小模型在动态数据解读上的能力缺失。
研究者提出 EdgeLLM-Nano,在 8.39M 参数(33.6 MB)端侧 LLM 上审计 KV 缓存压缩。 RTN 对照组性能优于极引导量化,一次性幅度剪枝不劣于一致性锚定剪枝;LCDF 评估方法能区分不同后端,而困惑度对所有方法均给出 5.461 的相同分数。
NVIDIA 及其生态伙伴为即将上市的 RTX Spark 笔记本推出软件功能与性能优化,支持本地 AI 智能体。包括更新 GitHub Copilot、Hermes 等智能体应用,发布 74B 参数的 Nemotron 3.5 Bolt 模型,推出跨设备 AI 路由器 PAIR,并带来 Adobe 创意应用优化、Blender DLSS 支持及开发者工具更新。
推荐理由:原文梳理了围绕本地 AI 智能体新增的安全沙盒、模型路由与开发工具生态,读者可据此判断 RTX Spark 的本地 AI 工作流边界。
面壁智能与中电信人工智能科技在北京签署战略合作协议,双方将依托算力网络与渠道资源,围绕终端智能与行业智能展开合作。 合作聚焦消费电子端侧 AI 应用与企业级智能体基础设施,协同提升端侧模型能力,并围绕推理加速等关键技术开展联合研发。 此次签约标志着合作从项目级探索迈入战略阶段,旨在加速大模型在终端与行业场景的规模化应用。
DeltaLLM 是一个免训练的 LLM 框架,通过算法、硬件和数据流协同设计加速边缘设备的 prefilling 阶段注意力计算。 它引入了基于 GQA 的 Delta-Key 重用机制和 VSSOS 算法,在 BitNet-b1.58-2B-4T 和 LLaMA3.2-1B-Instruct 上实现了最高 60% 的 Delta-Key 稀疏度,并显著降低了算力与存储开销。