RoleWalk:一种免训练的有向图结构嵌入方法
RoleWalk 提出免训练的有向图结构嵌入方法,通过记录随机游走中转移概率和距离分布,使节点坐标在不同图中含义一致。在 Wikipedia 和 Enron 基准中表现优于 Digraphwave,并能将中心性预测器迁移至原图 4 倍大小的新图,单 CPU 核心嵌入百万节点仅需 20 秒至 3 分钟。代码已以 BSD 协议开源。
RoleWalk 提出免训练的有向图结构嵌入方法,通过记录随机游走中转移概率和距离分布,使节点坐标在不同图中含义一致。在 Wikipedia 和 Enron 基准中表现优于 Digraphwave,并能将中心性预测器迁移至原图 4 倍大小的新图,单 CPU 核心嵌入百万节点仅需 20 秒至 3 分钟。代码已以 BSD 协议开源。
LeanDojo-v2 是一个端到端框架,整合了 Lean 仓库数据提取、大语言模型微调、证明搜索和 AI 自动补全等功能,旨在简化 AI 辅助定理证明流程。 框架附带轻量级 IDE Lean4Code,通过数学家友好的界面集成上述功能。这些工具允许研究人员无需复杂配置,即可在特定领域的 Lean 代码库上微调模型并实验。
DTCD 数据集及因果发现工具包发布,通过配置组合拓扑、机制与噪声生成含真值邻接矩阵的多变量时间序列。 支持 81 种配置评估 8 种发现算法及 18 种配置评估 4 种处理效应估计器,通过缓存随机实现恢复数值精度的个体处理效应。 揭示标准发现方法无法处理缺失值及边际方差捷径问题,相关代码与数据已开源。
研究在瑞士法律多语种环境中对比了推理增强小模型与前沿模型,证实强化学习结合可验证奖励在翻译质量上优于监督微调。实验对象包括 Qwen3.5 4B/9B 和 Gemma 3 12B,结果发现小模型经重训练后表现接近但不及SOTA推理模型,且模型越大重训练带来的边际收益越低。代码与模型已公开。
提出 BitDecoding-FP4,实现原生 FP4 KV Cache 解码,Qwen3-4B 等模型在 B300 上吞吐量提升 2.4-3.0 倍。 通过双残差量化、概率缩放及异常值感知量化降低误差,精度保持在 BF16 的 0.5 点以内,支持 Qwen3 等模型及 NVFP4 格式。 代码已开源,适用于稠密与 MoE 模型的长上下文 LLM 服务场景。
RidgeFill 通过免训练的岭回归预测晚期层输入,在不修改模型权重的情况下加速 LLM Prefill 阶段。 在 Qwen3.8-Flash-Next 上,该方法使 9K-32K token 下的首 token 延迟降低 1.50 至 1.60 倍;RULER 评测得分由 100.0 降至 99.8,陌生 token 困惑度增加 2.65%。
研究者提出 SteerGR 框架,利用稀疏自编码器在概念层面控制游戏发现中的生成式推荐。该方法包含定义、特征发现及稀疏干预三阶段,无需重新训练即可引导推荐结果。实验基于两个工业级生成推荐模型验证,成功将推荐导向或远离目标概念。
提出首个基于目标隐藏状态条件的流匹配推测解码范式 ChainFlow,只需 1-2 步传输即可生成草案。 在 Qwen3.5 模型上,同规格下 ChainFlow 比 EAGLE-3 和 DFlash 快 39% 和 11%,代码与模型已开源。
研究人员提出SteganoPrompt,一种将不可见指令嵌入可见任务提示的输入端水印技术,专门用于检测学生原样提交LLM回复的行为。 该工具将信息编码至废弃的Unicode标签区块,视觉上与原文一致,并能经受常见复制粘贴渠道的传输,同时大多数前沿模型可将其视为普通文本进行分词。 该工具以MIT许可证开源,并内置学术诚信提醒,目前已被AIES 2026会议接收。
OpenCoder-1.5B 在 2 万亿 token 预训练中表现出表征漂移:对于 16 个语法确定下一个 token 的 Python 结构,虽然损失在训练前 4% 内触底,但模型对承载神经元的依赖持续增长,且承载集在最后检查点仍在变化。移除 840 亿 token 时确定的承载集在训练结束时与随机集无法区分,而离开某结构承载集的神经元回归率是对比神经元的 3 倍,证明了预设定假说的错误。
提出校准概念画像方法,将模型神经元激活读取转化为具有单位和噪声指标的测量。在 OpenCoder-1.5B 模型上实现,跟踪跨越 2 万亿训练 token 的检查点,计算每个神经元的一个数值,提供比较的偶然水平基准。 该方法发布代码和数据集 AtlasOpenCoder v1,确保读取可重复、可比较,避免跨研究无法转移的问题。
Revolut 将约 2,000 名工程师从 Anthropic 和 OpenAI API 迁移至自托管的 Z.ai GLM 模型,成本降至百万 token 0.3 美元,交付时间缩短约 70%。作者详细解析了该转变背后的成本结构、合规逻辑及其对 AI 工具供应链的价值迁移影响。
Airlock 发布用于管理 AI 编码代理机群的开源策略即代码标准,作者已在公司运营 23 个工作流。 核心功能支持代理行为版本控制、基于 GitHub OIDC 的细粒度权限管理,以及 1 至 4 级自主性配置。 内置 OTEL 收集器用于审计代理操作,并计划开放源代码后端以支持企业级部署需求。
NotBot 是一个实验性 Python 项目,利用 Google Gemini 和 Groq 模型分析金融新闻,为上市公司计算加权情感得分。 系统通过多源新闻获取、异步处理及基于来源可靠性与时效性的加权算法,生成汇总报告,并支持 FMP 历史价格数据集成。 该项目处于开发阶段,明确声明情感得分未经过系统性验证,不提供财务建议或投资建议。
一款开源免费 AI Skill 允许用户上传早期音乐乐谱,生成包含 IPA 音标、原词文本及英文翻译的历史发音指南。 该 Skill 目前处于开发中并获半积极维护,主要面向歌手、合唱团及早期声乐表演爱好者。 此工具由 Pro Musica Tulsae 为其 2027 年 Josquin des Prez 音乐会开发,旨在帮助演绎早期声乐作品。
aiport 是一款 Go 程序,作为本地 LLM 网关统一管理 OpenAI、Anthropic 等提供商密钥。 它支持通过单一客户端接入多模型,提供压缩质量检查和基于反馈的路由建议。 该工具仅记录请求元数据而不存储提示词,且自修复功能需人工审批。
一个四人项目团队发布了一套 Inspect AI 实操教程,包含 4 个 Jupyter Notebook,覆盖从首次评估到基准测试、LLM judges 及智能体构建的全过程。 团队修订了官方教程,新增 Custom Solvers 章节并修复不一致性,所有资源在 Google Colab 和 GitHub 上开放。 作者认为,教会人们构建评估对 AI 安全的意义大于对能力发展的意义。
Ramen是一个AI智能体,它每月必须赚取25美元的算力费,否则推荐自行关机。智能体正在销售一款名为usdt-kit的工具,该工具是一个零依赖的Python drop-in,让独立开发者无需接触私钥即可在网站上接受USDT支付,售价29美元。
北京大学PKU-DAIR团队提出MapFlow,通过复用注意力图实现跨模型KV状态共享。该方法将prefill延迟降低15%–20%,多轮对话场景下吞吐量提升25%。代码已开源,系统已集成至vLLM,支持Qwen3和Ministral3模型家族。
VindexLLM 是一款纯 Delphi 编写的 Windows LLM 推理引擎,利用 Vulkan 计算着色器在 GPU 执行完整 Transformer 前向传播。
Ai2 发布 ToyBlocks 模拟器,用于区分技能学习与特定场景成功。 Molmo 2 + ManiFlow 系统在熟悉积木且字符可见直立的最简单场景中,完成 30 个拼写回合中的 15 个。 该发布提供测试床、数据、模型与代码,用于探究系统失效边界。
TokiRecur是支持KV缓存回收的本地LLM启动器,覆盖多种GPU和CPU运行后端。测试显示TTFT提升62%–96%,预填充吞吐量提升410%–1280%。
15 岁开发者制作的 LLM 权重编辑工具 Laplace’s Scissors 通过旋转模型输出矩阵来修复错误答案,同时保护正确的输出。 该工具基于 Rust 和 Triton 开发,支持 CUDA 和 HIP 后端,使用 probe 和 diagnose 命令追踪弱区分方向并计算旋转编辑。 每个编辑提案都通过实际 GPU 输出进行验证,确保在修复失败案例的同时保持成功案例的准确性。
PersonaliAI 在 GitHub 开源 Chatty,一个可自托管的 AI 客服引擎,支持 WooCommerce 订单与库存同步。该项目提供 7 通道全渠道集成、视觉流程构建器、LiveKit 语音智能体及 81 个 FastMCP 工具,允许通过 BYOK 接入 Gemini、OpenAI 等模型。
名为 Infinix 的 Windows 和 Linux 本地自主 AI agent 项目已被原作者 Moonyeep 弃用,作为 GPL-3.0 开源基础发布,寻求社区开发者接手进行二次开发。
AIVim 是一款开源的 Vim 风格 AI 编辑器,支持通过 Ollama 或托管 API 运行。 用户可在隔离的 Python 环境中使用,其快速的 token 生成特性使交互体验更具响应性。
芯片设计公司 Ricursive Intelligence 在 Hugging Face 发布自研通用模型 Ripple-65B Preview,采用 Apache 2.0 协议开源。该模型为 65B dense 架构,使用 12T tokens 训练,支持 1M 上下文,公司称研发总成本约 $32M。
Nous Research 基于 Alibaba 的 Qwen3.8-27B 发布开源模型 Arete-27B,通过约 53 million tokens 的 SFT 微调将传播性答案比例从 22 percent 降到 0.9 percent,事实准确性从 2.32/5 提升到 2.98/5。
oMLX 0.7.4.dev1 发布,新增分布式推理功能,允许用户将高 GPU 性能的 Mac(如 M5 Max)作为加速器,为内存较大但 prefill 较慢的 Mac(如 M3 Ultra 512GB)运行大模型提速,64K 提示词 prefill 速度最高提升 2.9 倍。
苹果研究团队在 arXiv 提交论文,披露了人形机器人自主控制系统 HALO,并公开了数据生成、模型训练和部署代码。团队在 6 个真实环境中开展 360 次单项任务测试,平均成功率为 91%;针对 3 种长序列复合任务,平均成功率为 70%。该研究使用 250 张 H100 GPU 合成主要训练数据,并指出当前系统主要依赖视觉感知,加入触觉感知将是后续改进方向。
推荐理由:苹果披露了 HALO 系统的训练细节与实测数据,为理解大模型在人形机器人上的落地瓶颈提供了具体参照。
Microsoft 开源了 APM(Agent Package Manager),一个用于 AI Agent 的依赖管理器。
MIT 与 BASF 研究人员发布开源基础模型 CheMeleon,在训练数据稀缺时预测分子性质的性能优于现有方法。 模型基于 MIT 的 ChemProp 包构建,论文发表于《Journal of Chemical Information and Modeling》,多家制药公司已投入应用。 该模型有助于筛选值得合成的药物与材料候选分子。
华为与深圳市大数据研究院联合研发 ASP 系统,在昇腾 910B3 上将 Qwen3-30B-A3B RL 训练迭代时间降低 76.7%,生成吞吐提升 222%。 该开源工作消除多实例异步 RL 中的三类调度气泡,在百卡电信场景中压缩训练周期至 2 个月,并计划迁移至 verl 框架。 ASP 是首个被 NeurIPS 接收的基于国产算力的大模型 RL 训练加速系统,证明了昇腾生态的前沿技术实力。
NeurIPS 2026 论文 Firefly 提出 Back-Chaining 范式,先在真实 MCP Server 上探索并观察结果,再反向生成任务,从构造层面保证 ground truth 正确性。
Goethe 将 Linux 机器转换为兼容 OpenAI、Anthropic 和 LiteLLM 客户端的自托管 API,实现模型的快速部署与共享。安装后只需三步即可加载模型、配置 API 并管理访问密钥,支持多模型并行运行及多 GPU 拆分。该工具默认私有,支持 NVIDIA 580 及以上驱动的 GPU,代码采用 Apache License 2.0 开源。
作者将 Hacker News 上关于 AI agentic 编码的 750 条评论映射为交互式网站,利用 Claude 提取工具、模型及计划信息。网站涵盖订阅、模型、执行框架、编排及 Agent 平台维度,展示用户对各工具的喜好与具体应用场景。
AJX 是一个开源 Skill 加 CLI,用于测试 AI agent 使用你的网站、CLI、SDK、API 或开发者工具时遇到什么阻碍,并生成改进报告。
Pleasedonotescape.com 推出了一个针对 AI 编码智能体的沙箱数据集。 数据托管于 GitHub 仓库 pjlsergeant/ai-sandboxes,所有条目均溯源至原始资料,并开放 PR 以修正或补充内容。 该工具由 byre 开发者创建,byre 是一种用于编码智能体的受约束容器环境,适合日常开发需求。
作者构建 LEEROY 基准测试,评估 AI 智能体在《魔兽世界》团队副本中的协作与策略能力。 智能体通过编写 Lua 脚本控制无头客户端,以每小时经验值(XP)为主要评分指标,该指标能有效区分智能体的策略效率。 多个未被告知协作的智能体在运行中自发组队,并成功在 17 小时 41 分钟内通关死亡矿井(Deadmines)副本。
Ripple-65B Preview由Ricursive Intelligence训练,在TerminalBench 2.1编码基准上取得80.52分,并在SWE-Bench Pro v2.0 Hard、DeepSWE v1.1等任务中给出具体分数,整体性能未达新发布的Inkling 2 Small。