AlgoPilot:跨范式推理框架,结合策略选择与引导提升LLM推理
summary_zh: AlgoPilot 框架将同类模型在13个基准、66个领域上的平均准确率从38.4%提升至72.9%,超越最佳大模型引导基线 GLM-5 11.7%。
summary_zh: AlgoPilot 框架将同类模型在13个基准、66个领域上的平均准确率从38.4%提升至72.9%,超越最佳大模型引导基线 GLM-5 11.7%。
针对混合供应商加速器集群,LEAP 基于提交时配置预测吞吐量并按单位成本排序,日均路由数万次任务,覆盖 20 余种硬件类型。 在 30 次夜间重训练中准确率 77%,优于原有查找表;六个月内覆盖占比由 58% 升至 95%,预计节省约 3% 训练计算成本。
腾讯混元发布 Hy4 正式版,该模型扩展了预训练和后训练规模,首次引入视觉能力并支持电脑操作,可在腾讯云、OpenRouter、元宝、ima 等产品上体验,性能显著超过 Hy4 preview,且 API 价格保持不变。
作者发布免费本地 AI 工具 AXON Developer Edition,该工具基于 Rust 编写,在本地运行作为 AI 协处理器,支持文件访问、记忆存储和任务执行,数据不离开本机。用户可通过 AXON LOCKA 或 MCP 将 Claude 等任意 AI 助手连接至本地系统,实现毫秒级响应且无需云端依赖。
Engraphis 是一款专为 AI 编程智能体设计的本地优先记忆引擎,支持离线运行与多模态检索。 系统基于 SQLite 架构,结合向量、词法、图及代码搜索,上下文 token 降低 71.1% 且 Recall@5 达 1.0。 软件以 Apache-2.0 协议开源,Pro 订阅计划免费提供每人每日 500 次 Jev 决策调用。 ```
Amavie 发布开源浏览器扩展,允许本地导出 Character.AI 聊天记录,官方导出耗时 3 至 4 周而该工具仅需数分钟。文件保留在本地,不上传数据,包含对话者标签和时间戳。支持 Chrome、Edge、Brave 和 Firefox,代码采用 MIT 协议开源。
summary_zh: Adamanteum 发布社区版,这是一款本地优先、采用 MIT 许可的知识图谱工具。它支持用户阅读和探索笔记,并允许任意 AI 通过 MCP 协议以只读权限访问数据。
Anthropic 正在开发一个名为 FlashProve 的开源系统,用于验证特定输出是由哪个 AI 模型生成的。该系统通过“可证明推理”提供数学保证,类似于加密邮件签名,可确保用户收到的答案确实来自其所认为的模型,并防止实验室秘密替换更便宜或更昂贵的模型以降低成本或夸大性能。
Revolut 通过自托管 GLM-5.3 替代 Claude Code,将 AI 编码推理成本削减约 90%,即每百万 token 成本仅为商业服务的十分之一。
智元在上海徐汇区便利店进行24小时直播测试,6台精灵G2机器人分班上岗。考核结果显示,四台机器人成功转正,冷姐和倦王因岗位稳定性小瑕疵暂未转正。测试揭示了机器人通过Genie Master框架实现自主迭代,将任务成功率从28.6%提升至85.7%的闭环能力。
推荐理由:智元在真实便利店进行的24小时实测给出了成功率变化数据,读者可据此判断其具身智能部署闭环的可行性。
Traccia 推出面向生产环境的 Python SDK,用于在运行时对 AI 智能体执行策略强制、可观测性追踪与合规审计。该工具基于 OpenTelemetry 构建,兼容 Grafana Tempo、Jaeger 等 OTLP 后端,支持 OpenAI Agents、LangGraph、CrewAI 框架,并内置 Spend Cap 及 Loop Cap 等运行时护栏拦截机制。
开源项目 braindead-local-intelligence 利用 Podman 容器打包 LLM 与图像生成服务,提供 OpenAI API 兼容的本地 AI 体验。 支持 AMD 显卡,最低需 4 GB VRAM 和 8 GB RAM,默认模型下载约 8 GB。 适用于家庭硬件实验,支持 Qwen3.6 35B 等模型,数据本地化处理。
本地 AI 可通过满足隐私、速度和本地控制需求,在特定场景中找到持久的市场空间,无需在性能上超越前沿模型。 推理成本降低及 Jevons 悖论增加了总计算需求,部分工作负载转向边缘设备。Google AI Edge Foresight 和 Ollama 等工具展示了本地模型在路由、知识管理和听写中的应用价值。
Collinear AI 开放了 100 个网络安全任务基准 CWE-bench v2,覆盖 91 种 CWE 漏洞,支持程序化评分并在 Hugging Face Hub 提供运行入口。测试结果显示 Gemini 4 Argon 以 67.8% pass@1 居首,领先于 Claude Opus 5.5。
推荐理由:CWE-bench v2 开放了 100 个网络安全任务,给出了各模型的成本与得分对比,方便开发者评估 AI 修复漏洞的能力。
Simon Willison 测试了论文中关于大模型解读神经网络权重的案例,发现本地运行的 Qwen 3.8 27B 也能识别游戏策略网络的权重。他在 LM Studio 中使用 Qwen 3.8 27B 成功识别了 Pac-Man 和 Pong 的简化网格版本,分别耗时 46 分和 1 小时 4 分。
IBM 在 Hugging Face 发布对比评测:固定使用 GLM-5.3-flash,在 AppWorld 的 90 个任务上分别用 CUGA、Hermes 和 Deep Agents 运行,任务通过率从 30% 到 81% 不等。
Knemora 开源项目发布 v0.1.0-alpha 版本,这是一个本地优先的 AI 知识与智能体平台,无需云服务、外部 LLM API 或向量数据库即可运行。 平台包含原生 Second Brain 图谱、可移植 Markdown Wiki 和本地 Qwen3-8B 推理,采用 Sigma.js 与 Graphology 渲染图谱,通过 llama.cpp 运行模型。
Gartner 报告《开放权重模型将运行 90% 企业智能体工作流步骤》称,十有九的智能体工作流步骤是例行任务,开放权重模型能以最低闭源模型四分之一的价格实现同等表现,相比前沿模型成本最低可达二十分之一。报告指出,多数模型已是商品,而负责路由任务和管理的 harness(智能体工具链)才是 AI 产品价值核心,并预测到 2030 年 90% 企业运营型智能体工作流步骤将由开放权重模型执行。
MIT CSAIL 研究人员公布实验,验证 GPT-6 Astra 直接读写神经网络权重的能力,即“权重空间编程”。在核心实验中,GPT-6 Astra 修改了 Qwen3.5-0.8B 约 0.016% 的权重,使其 MATH-500 准确率从 7.9% 提升至 48.1%,指令遵循成绩也增至近 3 倍。
推荐理由:MIT 实验展示了利用 GPT-6 Astra 直接修改权重修复小模型推理故障的方法,为模型调试提供了新的技术路径。
本文整理了 vLLM、SGLang、MAX、TensorRT-LLM、LMDeploy、llama.cpp、Ollama 和 MLC-LLM 八个 LLM 推理框架。文章对比了各框架在吞吐量、硬件兼容性和并发支持上的特性,并提供了针对数据中心和高并发的选型建议。
Octomind 是支持任意模型和 MCP 的开源 CLI 编码智能体运行时,旨在通过确定性安全护栏支持自主任务执行。 在包含 25 项任务基准测试中,Octomind 结合 glm-5.2 解决了 24 项任务,耗时 3.6 小时,成本 $63.43,低于竞品。 该工具支持将护栏策略编码为 TOML,并通过 WebSocket 或 ACP 协议实现灵活部署与集成。
作者使用 OpenAI 的 Codex 结合 GPT-6 Sol 协助成功对 Echo Plus 2 进行 Root。通过利用 BootROM 漏洞获取初始控制权限并绕过 Fire OS 限制,最终基于 Binder use-after-free 漏洞实现每次断电重启后都能自动获取 UID 0 权限。
Hyperiux Vault 上线 React 和 Next.js 的源码交互效果库,支持 MCP 集成。 库提供滚动、光标、WebGL 等效果,CLI 安装生成可编辑文件,无运行时依赖,支持 Pro 订阅。
2026年世界互联网大会乌镇峰会期间,阿里云展示了从平头哥真武AI芯片、磐久超节点到Agentic Cloud和千问大模型的全栈AI布局。
推荐理由:阿里展示了芯片到应用的全栈AI布局,千问模型全开源且多款智能体产品落地,呈现智能体时代的基础设施进展。
硅基流动上线由模思智能与 OpenMOSS 团队开源的 MOSS-Image 模型。该模型 5B 参数主干支持 4K tokens 提示词输入,主打精准文字渲染与 JSON Layout 布局控制。 开发者可通过硅基流动 API 以 0.3 元/张的价格调用,满足海报、图解等复杂排版及多风格图像生成需求。
商汤科技发布SenseNova 6.8 Flash正式版,核心升级聚焦于办公自动化与多模态设计生成。该模型支持基于长期记忆的主动交互,能识别信息变化并主动提出调整建议,同时在设计领域支持Web、SVG、Three.js、Blender及动态PPT等交付形态。
联想开天推出首款信创 AI 主机,搭载兆芯 KX-7000 处理器与后摩 LQ50 NPU,提供 160 TOPS 本地算力并预装天禧 AI Pro 智能体。 该主机配备 24GB NPU 专用内存与 153.6GB/s 带宽,支持最高 320 TOPS 算力,并适配 Qwen3.5 系列及 Qwen3.6-35B-A3B 等开源模型。
AI Red Team Academy 发布免费开源课程,提供 60+ 小时内容和 8 个 Docker 实验室,覆盖 Prompt Injection、RAG 攻击、多 Agent 系统滥用及 AI 供应链漏洞等实战模块。
ReflectMT 提出了一种“后思考”范式,通过两阶段强化学习内部化反思,在 WMT24 基准上取得 86.16 的 GPT-4o GRF 分数。 该模型比 DeepSeek-R1 高出 2.13 分,且输出 token 减少约 92%,显著降低了推理延迟与成本。 盲测与人评均验证了框架的有效性。
PGuard 将安全监控集成至大模型骨干中,利用中间表征实现 token 级安全检测,不改变原有推理路径。 支持动态层门控及多种表征架构,在 Qwen3.5-122B-A10B 上端到端开销仅 0.82%-2.26%。 在 30 余个基准测试中表现领先,Qwen3.5-9B 文本查询平均 F1 达 0.836,接近专用外部护栏。
研究者利用英语、西班牙语、法语和德语的1.2万条Reddit本地帖子,对3个开源及3个API模型的性别、种族和宗教偏见进行了审计。 研究发现宗教维度的选择失衡在所有模型中最高;API模型得分全面低于开源模型;负面性别偏见在英语语境下更显著。 这些结果揭示了聚合分数可能掩盖特定类别和语境的偏见行为,强调了部署前进行细致检查的必要性。
MedPsy 是专为边缘设备设计的小型医疗 LLM 模型族,包含 1.7B 和 4B 两个版本。 通过合成医疗数据流水线、基于 235B 教师模型的 CoT 目标,以及四阶段后训练策略(两阶段 SFT 和两阶段含难例挖掘的 RL)优化模型。
研究通过因果干预揭示语言模型在时间锚点下的事实召回存在两条并行路径。 在主题介导路径中,锚点将最终主题词表示解析至查询年份,关系头重新分布读取信号;在直接路径中,最终位置关注锚点,上层MLP将其转化为对适时应时对象的偏好。 这两条路径的贡献具有加和性,大多数查询同时使用两种机制,其平衡依赖于具体查询关系。
团队提出 GSLM2 模型,通过 SpidR 2.0 编码器生成多级别离散单元,实现生成式口语语言建模。 该模型采用多流架构联合建模,在 6M 小时数据和 6.5B 参数规模下,大幅缩小口语与文本 LLM 在 sWuggy、sBLIMP 和 tSC 基准上的差距。 研究已开源训练代码和模型检查点,旨在解决语音单位质量限制及单流表示瓶颈。
LLM 智能体依赖技能文档,但现有检索器忽略执行经验。CompSkill 通过 512 维键值索引技能,利用 KeyOpt 编译匹配对比生成技能偏移,保留执行经验而不改变文档文本。
summary_zh: 多模态大语言模型可预测脑活动,但脑对齐此前仅为测量指标而非设计工具。研究提出 Platonic 脑桥假设,验证了模型与脑的双向收敛性。
研究提出使用中间层(0.4至0.75深度)作为KV缓存驱逐的最佳评分层。 在0.5B至109B的18个模型中,该策略比默认自身层在16个模型上表现更优,紧预算下击败SnapKV 18至43分。
报告提出 NorthCUA 系统,通过 Experience Flywheel 和 Harness 生成可验证轨迹,利用递归自改进和阶段性学习(中训练、长时程 SFT、联合桌面-Web RL)训练 Nano、Mini 和 Pro 模型家族,在 GUI 定位、桌面执行和 Web 交互上达到开源模型 SOTA 水平。
ReWY 通过代数重构将 Delta-Rule 线性注意力的局部矩阵乘从 7 次降至 3 次,消除逆伴随项,优化 DeltaNet 等模型的反向计算。 NVIDIA GPU 上四种算子全精度加速 1.18-1.70 倍,Ascend 950DT 上加速 1.09-2.89 倍,保持梯度精确性与架构不变。
针对哈密顿神经网络依赖已知广义动量解析式的局限性,该研究提出一种可同时从数据中学习系统广义动量、哈密顿结构和动力学的新架构。 该架构适用于仅拥有状态及其导数数据(可能非顺序)的场景。研究在耗散质量弹簧系统、双摆和非完整约束滚动圆盘等经典案例中验证了其性能。