Qrita:利用基于枢轴截断与选择的 GPU Top-k 与 Top-p 算法
论文提出 Qrita,一种基于枢轴截断与选择的 GPU Top-k 与 Top-p 采样算法。 该方法采用基于高斯分布的截断(Gaussian-based $\sigma$-truncation)和带重复值处理的四叉枢轴搜索(quaternary pivot search)。
论文提出 Qrita,一种基于枢轴截断与选择的 GPU Top-k 与 Top-p 采样算法。 该方法采用基于高斯分布的截断(Gaussian-based $\sigma$-truncation)和带重复值处理的四叉枢轴搜索(quaternary pivot search)。
研究者提出 CE-Graph 框架,通过最小化期望失败质量(Expected Failure Mass)优化基于 LLM 的工作流,而非仅依赖标量指标。 该方法在反例池中近似失败分布,识别高密度区域并应用算子约束图编辑,在数学、代码和 QA 基准上以更低成本实现了比强基线更高的鲁棒性。 该研究已被 ICML 2026 接收为 Spotlight 论文,代码已公开。
GeoFaham 实现最佳整体性能,得分 0.940 高于次优 0.879,且 Token 消耗仅为基线的 7.5 分之一。 系统通过 Orchestrator 协调向量、地图、图像及栅格分析智能体,利用 Response Store 在 LLM 上下文外持久化输出元数据。 代码与基于 40 项任务和 17 条真实灾害记录的 GeoFaham-Bench 基准已公开。
一项针对 174 个真实 Reddit 样本的受控标注任务显示,Kimi K3 以 94.5% 的准确率超过人类多数票(86.2%),且具备成本与速度优势。 73 名人类标注者与 40 多种 LLM 配置参与测试,人类在低共识案例中的定性错误分析揭示了标注体系的不一致性,二者呈互补关系。
Perseus 开源库实现同态模型推理,在 Llama-3-8B 单 token 解码速度达 3.96 倍 SOTA。 支持加密非线性及端到端执行,精度保持明文模型 97% 以上。
LIRA提出基于二阶近似损失的动态秩分配方法,使LoRA在线秩重分配更具可解释性。 其通过定期应用DELTA位移评估算法生成离散有效秩,兼容标准(A,B)适配器。在RoBERTa-base GLUE任务中,LIRA性能优于固定秩和自适应秩基线,且Trajectory EMA在更低估计成本下达到与Fixed-point Fisher相当的精度。
GC-MoE 发布开源 FP8/FP4 MoE 推理算子,利用 CUDA Green Contexts 将 GPU 划分为通信与计算分区,实现 dispatch 与 GEMM 独立并行。
研究表明,在检索任务中,导致大语言模型失败的并非输入长度本身,而是证据间的竞争。在中性填充内容下,Qwen2.5-1.5B 等模型在 32K tokens 上下文中准确率维持 0.97 至 1.00。
研究提出CUSD方法,通过分解任务向量中的公共与独特方向来提升模型合并效果。 在11个基础模型和4种算术操作符的实验中,CUSD在44个模型-操作符组合中的42个取得提升,最高提升22.5%。 该方法已被NeurIPS 2026接收,代码已公开。
Dx-Rx 是首个能盲修复三维 MRI 全脑容积的智能体,利用多模态大语言模型先测量后修复,在 148 个 T1 加权容积上平均去除了 64.5% 的伪影误差。 该智能体调用五个诊断和四个修复工具,表现优于或持平于专家规则管线(62.3%),且代码与演示已公开。
FlagRot 提出了一种选择性旋转方法,用于低比特 KV 缓存。在 2.5 bits/value 下,它将 12 个模型的 KIVI KL 散度从 18.7 降至 12.4 × 10⁻³。 该方法在 9/12 个模型上优于 RotateKV,并在 4 个模型中的 3 个上通过 vLLM 插件提升了 RULER 和 LongBench v1 性能。
EvoMemState 提出了一种以状态为核心的记忆框架,通过关系状态和推理状态增强 LLM 智能体的长期记忆能力。 该框架包含本体引导的状态归纳、基于强化学习的状态演化及状态感知推理三个组件,在长期对话基准测试中提升了检索完整性和回答准确性。
研究提出基于匿名向量几何一致性的检测框架,在十个 LLM 上证实碎片化指标能有效区分已知与未知概念。 后训练过程中,碎片化几何结构与对抗恢复相关性依赖攻击方法,分层分析揭示不同深度对抗机制利用该几何特征。 该单阶段无攻击代理指标可捕获输出层指标无法触及的参数化知识,参考实现已公开。
RAGLog 利用执行日志检测并定位 RAG 各阶段故障,无需参考答案或代码插桩。该工具通过规则、嵌入向量和大模型检查相结合,将异构 API 日志统一为标准 RAG 模式。
开源框架 Simjecture 利用语言模型智能体通过反例证伪和假设修复机制,将 AI 辅助研究范式应用于物理领域。该框架在 82.6 小时调查中解决 Z-pinch 问题,揭示能量转换、保留及释放时机的竞争效应。结果深化了高密度等离子体物理认知,展示了自主研究新范式。
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。
Anthropic开源FlashProve系统,利用零知识密码学让服务商在不公开权重的情况下,证明某回答由指定模型生成。该系统在400B参数MoE模型上测试显示,单张H100 GPU每秒可生成约110个Token的推理证明,证明文件大小约为19MB;验证端则可通过CPU完成。目前该系统为研究原型,主要支持整数模型与贪心解码,且证明生成成本约为普通推理的70至95倍。
推荐理由:该研究将零知识证明应用于LLM身份验证,在400B参数MoE模型上实现约110 Token/s的证明生成,并开源了验证器与形式化证明。
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。
FlashProve 让 AI 提供商能证明某条回复由特定模型生成,同时保持模型权重秘密。该协议在 Lean 4 中证明了安全性,并支持在单块 NVIDIA H100 上运行 Llama 4 Maverick 全尺寸模型,预填充速度达 110 tokens/秒,验证可在普通 CPU 上几秒内完成。
Revolut 已将其 2000 名软件工程师的默认编码工具从 Claude Code 和 OpenAI Codex 切换至自托管的 GLM 开源模型,此举将相关 AI 支出降低至原来的十分之一。数据显示,在约 56 块 Nvidia B200 GPU 的支撑下,该方案平均每百万 token 成本约 0.30 美元,编码时间平均缩短 60%,而任务交付的等待时间平均减少 70%。
推荐理由:Revolut 将 2000 名工程师的日常编码默认模型切换至自托管 GLM,为 AI 实验室常规业务市场提供成本信号。
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。
Mallard 是一款开源工具,旨在简化 AI 智能体会话的共享与备份,支持通过 Cloudflare R2 或 Dropbox 存储数据。 该工具重构了 Git 存储协议,去除了 CAS 依赖,允许用户拉取并恢复 Codex 或 Claude Code 中的会话上下文。Mallard 采用 MIT 许可证,支持 macOS 和 Windows,让团队无需昂贵云虚拟机即可协作。
Recto 是一款跨平台桌面应用,为用户提供连接本地编码智能体(如 Claude Code、Cursor 等)的视觉画布,支持生成和编辑 UI、3D 模型及动画,并允许通过鼠标直接修改元素,底层为可导出的 HTML/CSS 代码。
Animus AI Blocker 0.1.8 允许在支持的社交媒体网站上隐藏标记为 AI 生成的图片和视频,并支持随时查看过滤内容。 该扩展程序基于明确声明或可信的 Content Credentials 进行过滤,采用本地优先模式,关闭云分析和数据上传功能,免费提供无账号服务。
Show HN 展示了一个 2,946 字节的 C 语言 LLM 推理引擎,可运行 SmolLM2-135M 并生成与 Hugging Face transformers 完全一致的贪心 token。
麻省理工学院 CSAIL 团队展示“视觉实验室”,利用 Opus 通过代码直接编写 MLP 权重,替代传统的梯度下降训练。 该系统包含一个约 17 万权重的未训练网络 Bit,Opus 生成的权重“药丸”可使其在浏览器中正常运行,单次浏览限制 15 美元。 新“药丸”需在本地运行 Claude Code CLI 生成并上传至 GitHub,供在线实验室展示使用。
IBM 研究团队发布 Palette,通过微调 20B 开放权重模型并生成约 1000 份合成幻灯片数据,使小模型能遵循特定设计语言生成演示文稿。在 PresentBench 评估中,Palette 在经济和教育两个领域排名第一,三领域平均分排名第二,仅次于 NotebookLM(59.7 对 60.8)。
推荐理由:原文展示了通过微调 20B 模型和特定数据合成方法生成高保真设计幻灯片的完整流程,读者可复用该结构优化其他代码类任务。
Cartesia 利用 State Space Models (SSMs) 在 AWS 基础设施上提供亚 100ms 延迟的文本转语音与语音转文本服务,其旗舰模型 Sonic 首字节延迟约为 90ms,支持 44 种语言及 10 秒样本语音克隆。
斯坦福大学 X-lab 和 SNAP 实验室联合发布蛋白设计框架 ProteoCraft,采用“提案 — 验证”搜索方案支持从头设计以及局部区域精修。在 AF2-IG 独立评估中,ProteoCraft 严格通过率为 86.2%,较 Best-of-N 对照提升 2.85 倍;PD-L1 微型蛋白湿实验中 35 个候选命中 29 个,最佳单次 SPR 拟合 Kd 为 0.879 nM。
推荐理由:文章拆解了ProteoCraft框架中近似梯度、完整结构预测与两阶段树搜索的机制,展示了计算指标到湿实验的转化路径。
Itch.io 因 AI 游戏激增导致日增游戏数从 3000 翻倍至 6000 以上,已删除数 TB 低质量 AI 游戏。 平台收录约 176.9 万个游戏,其中约 13.2 万个带 AI 标签(占比 7.5%)。新上线「NoAI」筛选功能可隐藏相关游戏,但未提供 AI 参与程度的具体说明选项。
Rigorix 是一款开源执行治理引擎,针对 AI 智能体的关键操作在后果发生时重新验证权限并记录可验证的签名决策。 支持 5 种验证器语言,基于 Apache-2.0 / MIT 协议,通过 Rust、Python、TypeScript 等在 crates.io、npm、PyPI 上发布验证器包。 确保 AI 智能体行动(如金融交易、数据库迁移)在执行前受控并保留证据。
Hardcount 是一款开源、可自托管的 AI 产品按量计费工具,允许开发者在自有 Postgres 数据库中管理计费数据,无需支付 Stripe Billing 服务费。目前处于 0.9.2 版本,采用 MIT 协议,支持 Go 语言编写,并可与 Stripe 集成进行信用卡收款。
Deep Principle 团队发布开源权重模型 Hydrogen-1.0,该模型基于 GLM-5.3 后训练,专用于化学、材料科学及生命科学领域的研究支持。 模型旨在衔接实验结果回顾、反应路径探索及下一步规划等环节,帮助研究人员在实验室工作流中维持相关上下文关联。 团队通过短片展示了研究者利用该模型审查证据并做出决策的应用场景,同时提供技术文档与评测链接供用户参考。
该工具应用数据包络分析(DEA)方法优化 AI 模型成本,展示各设置下达成同等基准分数的最低 API 价格。 单幻灯片任务因偏好评分无法平均,仅比较单一模型;混合方案的成本与得分使用相同权重。 结果仅为基准估算,不含延迟与配额成本,用户需在自有任务中验证效果。
开发者推出开源工具 RHI,通过调用 OpenAI、Claude 或 OpenRouter 分析本地 LLM 对话历史,生成类似“直率朋友”的可执行改进反馈。 核心逻辑是“一键完整读取”:Agent 自动轮询至 10 次直到无强信号,将请求分组为命名 Pattern,每条反馈必须引用至少两条真实消息并标记来源。
开源 Coding Agent Metis 发布,旨在通过定制 Agent 架构解决工程交付问题,并内置硅基流动作为模型服务商。 Metis 采用三层架构:分工明确的 Agent 团队、验证门禁及自学习闭环;支持桌面、终端及 Skill 版,可跨会话积累经验。 该工具让开发者将真实仓库交给 Metis 处理,通过硅基流动统一入口灵活选择模型,实现从调查到验证的完整任务交付。
Trim 是一个本地 OpenAI 兼容代理,用于压缩 Cursor、Claude Code 等工具的编码提示词,减少发送给 LLM 的 Token 数量。其 Fast Mode 采用 AST 启发式压缩,Deep Mode 将 LLMLingua 保持在本地设备上运行以处理长文本。
疑似 Anthropic Fable 5.5 模型泄露 Hugging Face 仓库,显示 14 万亿参数、1224 个 MoE 专家及 7.72 TB 权重。
EVOLV 是本地优先的自进化 AI 智能体工作区,通过单 Go 二进制运行,实时重写自身 UI、工具及代码,支持 Ollama 或任意 API key。 技术采用“进化账本”记录变更,文件系统监听器通过 WebSocket 推送更新,无需重启即可热加载组件,并支持在沙箱中运行插件。 用户可直观观察智能体修改自身源码及用户项目,所有变更在界面即时生效,实现从传统静态界面到动态有机体交互的转变。
商汤研究院、港科 MMLab 等联合提出 MT Forcing 方法,用于改善基于自回归扩散的统一多模态模型在连续多轮图像编辑中的画质退化与内容漂移问题。该方法结合 Single-Turn DMD 与 Teacher-Forcing Guidance,使模型在训练阶段通过自主展开覆盖推理时的实际历史,并利用单轮教师提供分布匹配监督以维持输出质量。