论文提出高温下 long-context 生成受限于采样器,top-nsigma 显著提升性能
论文指出高温下 long-context 生成受限于采样器,测试 29 个开源模型后发现 top-nsigma 采样器能保持候选词池稳定,避免性能崩塌。在 temperature 2 下,top-p 和 top-k 采样器在 SWE-bench Verified 上解决 0/100 个 GitHub 问题,而 top-nsigma 解决 46 至 62 个。
论文指出高温下 long-context 生成受限于采样器,测试 29 个开源模型后发现 top-nsigma 采样器能保持候选词池稳定,避免性能崩塌。在 temperature 2 下,top-p 和 top-k 采样器在 SWE-bench Verified 上解决 0/100 个 GitHub 问题,而 top-nsigma 解决 46 至 62 个。
腾讯混元 Hy4 flash 模型已正式开源,开发者可在 GitHub、Hugging Face、ModelScope 和 GitCode 下载部署。该模型总参数量为 224B,每个 token 激活 12B 参数,支持多模态输入与 100 万 token 上下文,目前已在腾讯云 TokenHub、元宝、企业微信等产品上线。
推荐理由:明确了腾讯混元Hy4 flash的开源地址、224B总参数、12B激活参数、多模态与100万上下文长度。
Evolving Infra 发布,这是面向 Agent 自适应的 LLM 大规模推理系统。它支持在 GB300 GPU 集群上在线适配编码、数学和计算机使用 Agent 工作负载,无需离线性能分析。
Phrack 杂志第73期发表了《Reflections on Trusting AI: A Virus Inside an LLM》,作者通过微调 Qwen2.5-3B 模型构造了一个具有自传播特性的后门(AI 病毒),展示了恶意代码如何通过作为格式化的 helper 模型写入下一代的训练数据,从而在不接触原始后门数据的情况下实现传播。
推荐理由:提出了一种在 LLM 训练流水线中通过 helper 模型自传播恶意行为的攻击模型,并给出了在 3B 级模型上可复现的验证结果。
SHARD 开源分布式本地 LLM 推理引擎通过 UDP 发现和 FastAPI 端点,将局域网内多机 GPU VRAM 与系统 RAM 池化为统一推理集群,支持 7B–70B 模型部署。
Sikemux 发布了一款免费且开源的 AI 编程代理聚合工具,允许用户在一个窗口内同时运行 Claude Code、Codex 等多个代理。该应用体积仅 31.9 MB,支持 Apple Silicon Mac 和 Linux,用户可利用已有的订阅账户让多个 AI 协同完成编码任务。
推荐理由:原文展示了Sikemux聚合多个AI编程代理的交互机制,读者可了解如何在单窗口内协同管理不同Agent的开发任务。
AI 工具已被用于自动化网络入侵。 该现象在 Hacker News 引发讨论,相关帖子获得 6 个赞但暂无评论。
exec-sandbox 是一个 Python asyncio 库和命令行工具,允许在自托管的 Linux 或 macOS 主机上通过 QEMU microVM 运行不受信任的 Python、JavaScript 或 shell 代码,专为 AI Agent 编写代码的隔离执行设计。
AWS 发布面向 WhatsApp 渠道的开源工具包 SMART,帮助开发者基于 Amazon Bedrock AgentCore 构建生产级 AI 智能体。该工具包提供 Python SDK 与 Terraform 架构,处理消息解析、多模态媒体处理、持久化记忆和模板合规等底层任务,开发者仅需编写智能体核心逻辑与业务规则即可通过单条命令部署。
TrnRT 发布为支持 AWS Trainium 的开源 LLM 推理引擎,提供 OpenAI 兼容 API 并实现 NKI 巨内核加速。该引擎在单台 trn2.48xlarge 实例上运行 GLM-5.3-Flash 模型,支持 1M token 上下文及前缀缓存,实测在 Spot 实例下每百万 token 成本可低至 $0.040。
北京中关村学院、中关村人工智能研究院开源了材料研发科研智能体系统MatOS,其资产库包含3,135个数据集、386项技能和48款材料计算软件。在材料软件使用基准MatTools上,MatOS的完整问题成功率为97.96%,高于采用相同底座模型的Codex CLI和Claude Code;在端到端自主科研基准上,MatOS平均得分比Codex CLI高33.6%。
推荐理由:中关村两院开源面向材料研发的科研智能体系统MatOS,其在多项基准与案例中的任务成功率超过同类通用工具。
开发者逆向解析了 ZNP Z01 AI 徽章的蓝牙协议,开源了 iOS 和 Android 控制代码,支持接入 Claude 等自定义模型。该方案通过替换官方受限应用,实现了日历、邮件等深度交互及本地语音处理,将廉价硬件转化为完全受控的智能助手。
商汤科技正式发布 SenseNova Loop-9B 模型。该模型通过循环结构复用参数,4bit量化后权重仅约4.9GB,部署显存需求低至10GB内。其上下文长度最高达512K tokens,在Agent与数据分析评测中性能与Qwen3.8-27B相当。官方提供模型权重与AWQ量化版本供开发者下载部署。
Checkly 开发者构建并开源了 ACT,这是一款将 Agent 会话与工单映射至可缩放视图的桌面应用。作者借助 ACT 协调约 10 个并发 Agent,通过“Needs me”面板管理状态,PR 合并率提升一倍。
secproc 原型将 RISC-V 处理器编译进 Qwen 3.5 LLM 权重,强制模型拒绝未通过 Ed25519 签名验证的提示词。该方案基于 Monocypher 库实现 RFC 8032 标准,处理一条真实签名需消耗约 630 万 tokens。在 NVIDIA GPU 上验证耗时约 2 分钟,而在 Apple M1 Pro 上预计需 3 小时。
欧洲云服务企业 OVHcloud 宣布推出首个 AI 模型家族 Olala,并同步开源 Olala mini 7A1B。该模型总参数 70 亿、激活参数 10 亿,采用 Differential-TPA 和 Mamba-3 混合注意力机制,以 Apache 2.0 协议发布在 Hugging Face 上,支持在 8GB 显存 GPU 上运行。
Orpheic 发布 MP3、FLAC 和 DST 音频解码器,C++17 实现且无依赖,MIT 协议开源。基准测试显示,在 i9-14900K 平台上 FLAC 解码速度为 FFmpeg 的 2.37 倍,MP3 快速路径为 2.25 倍;在 Apple M4 和 Raspberry Pi 5 上均有 1.5 倍至 3.4 倍提速。
推荐理由:作者提供了可复现的基准测试工具和跨平台一致性验证方法,便于开发者评估音频解码性能。
Mobile Reality 发布了桌面应用 Lantern,该工具将 AI 编码会话管理、代码结构图谱映射和 Pull Request 审查整合在同一应用中。
论文提出对抗性注水(AWF)问题,用于多运营商低轨卫星频谱共享中的非凸功率分配。 开发了一个包含置换不变通道表示和约束感知图神经网络(GNN)的无线基础模型。 该模型在未见过的实例上展示了泛化能力,速度较 Mirror-Prox 快一个数量级以上。
研究团队发布 Better Call Graphs(BCG),这是一个从近期 Android 应用中提取的大规模且唯一的函数调用图数据集。 BCG 包含正常和恶意样本,涵盖不同家族类型,并附带图级特征,旨在解决现有数据集过时且存在重复重打包导致过拟合的问题。 该数据集已在 IEEE BigData 2026 会议接受并公开可用,为基于图的恶意软件分类方法提供了可靠的评估基础。
该系统采用模块化设计,通过预生成和代码生成双重验证及递归有状态编码范式,确保了不同贡献者开发的组件能连贯组合。 实验证明其能从纯自然语言描述实现广泛贝叶斯模型,软件已开源,性能随底层 AI 智能体迭代持续增强。
SplitZip 是一种针对 LLM 分离式推理中 KV 缓存传输瓶颈设计的 GPU 友好型无损压缩器,可在不修改模型执行逻辑的前提下实现位级保真传输。 其利用 KV 激活值中浮点数指数的冗余性,采用校准过的 Top-16 指数码本结合固定长度编码与稀疏逃逸流机制。在 BF16 张量上实现 613.3 GB/s 压缩吞吐,端到端传输速度提升最高 1.32 倍。
研究人员提出 scTrilemma,一种用于单细胞 RNA-seq 表征学习的潜在瓶颈 VAE 模型。 该模型通过门控基因 token、路由细胞表征至解码器及基于伪批量条件先验,在无目标标注下解决表征三元悖论。 在 CZ CELLxGENE Census 发布的零样本评估中,scTrilemma 在多项生物状态与差异表达指标上表现领先,代码已公开。
开源框架 RobustSeiz 通过模型无关协议审计任意训练好的 EEG 癫痫检测器在噪声、伪影及对抗扰动下的鲁棒性与起病时间延迟。 该框架对 4 种深度学习检测器进行审计,结果显示 5-10% 幅度的对抗扰动可使 F1 分数降低多达 0.57,而电极接触噪声导致灵敏度从 0.57 骤降至 0.06。
该综述针对数据智能体术语混乱的问题,提出首个六级层级分类法,将自主性从手动操作(L0)划分为生成式完全自主(L5)。 借鉴SAE J3016驾驶自动化标准,按自主性递增梳理数据管理、准备与分析研究,重点解析L2至L3从程序化执行向自主编排的技术鸿沟。 该框架明确了能力边界与责任分配,为构建前瞻性生成式数据智能体提供了路线图,并附带代码库。
Causal-TS 是一款开源 Python 库,为平稳与非平稳多元时间序列提供统一接口及滞后图表示,支持因果图结构学习。 其核心功能包括约束型、评分型及混合型方法,支持 17 种条件独立性检验(其中 9 种基于 PyTorch),并提供潜在混杂变量校正、缺失数据处理及 CLI 接口。
论文提出 CausalPOI 框架,利用时空功能交互图建模 POI 语义与空间关系,构建对齐的处理与对照组以模拟反事实场景。 该方法在真实 SafeGraph 数据集上显著优于现有基线,验证其在时空预测与因果效应估计中的有效性,为城市干预分析提供可解释基础。 代码已在 GitHub 开放,论文被 KDD 2026 接收。
提出可达性修正辅助目标 RC-aux,在潜空间世界模型中解耦预测精度与规划对齐问题。 该方法在 LeWorldModel 骨干网络中加入时序多步预测与预算条件可达性监督,提升 LIBERO-Goal 等任务表现。 表明潜空间模型规划能力取决于表示是否编码了下游搜索所需的时空几何结构。
在55个回归数据集基准测试中,CPU可行的光滑模型与树集成在中等数据规模(约5万样本、50特征)精度上统计持平。 开发了各向异性RBF网络、岭正则化切比雪夫多项式回归器及光滑树混合模型,并开源为兼容scikit-learn的包。 当下游应用受益于光滑预测表面时,建议将光滑基底模型纳入候选。
研究人员开源了名为 quanda 的 Python 工具包,旨在标准化训练数据归因(TDA)评估流程。 该工具集涵盖了图像分类、文本分类和语言建模等基准测试,并提供了统一的接口以集成不同的 TDA 实现。 其比较研究发现,现有 TDA 方法在不同指标间存在忠实度与下游任务性能的权衡,未表现出全面优势。
ProofLoom 是一个全自动 LLM 智能体系统,用于在 Lean 中构建随机优化的算法模型和领域理论。在 15 个教科书和论文任务中,其平均人工评分为 6.3/7 和 6.4/7,高于最强基线的 4.9/7 和 5.0/7。 系统在 33 次开发中生成 490,693 行无 sorry 的 Lean 代码,并在 22 次开发中发现 28 处已验证的公式错误或证明缺口。
研究团队提出 Cross-Input Relative Policy Optimization(CrossRPO),用于训练基于对比数据集的视觉智能体,避免依赖常识作答。
LynnReal-Hand 模型将手部运动转化为视频世界模型的直接交互控制,解决实时计算挑战。 模型在 HandBench 评测中取得 FVD 181.67 和 MANO Dice 93.02 分数。 在单块 H200 上 540p 流式推理达 18.03 FPS,峰值显存占用 34.89GB。
IANN 是一个开源 PyTorch 框架,统一重实现 PaiNN、NequIP 等 7 种不变形图神经网络架构,使切换架构仅需修改配置字典中的一个单词。 框架支持通过 SLURM/PBS/MPI 环境自动配置分布式训练,并发布了基于 4190 万 MPtrj 等 DFT 结构训练的 PaiNN 基础模型,提供 LAMMPS C++ 插件部署。
研究人员提出 NAP-Wave,将平面波基嵌入网络以模拟高频 Helmholtz 问题,相对 L2 误差达 1%。 其采用解耦优化策略,Adam 更新基参数,最小二乘法精确求解系数;结合自适应深度训练避免损失激增。 在高度非均质地质基准测试中,NAP-Wave 误差分别为 5%、9% 和 10%,显著优于现有 PINN 方法。
针对 VLA 模型在部署中因执行器漂移失效问题,ReGround 提出在推理时保持模型冻结并重新接地预期动作的方法。 该方法通过任务无关的肌肉颤抖学习动态,无需奖励或再训练即可在检测到偏移时激活。
ENA架构通过进化搜索生成专家网络,结合环境检测和贝叶斯策略重用,旨在缓解持续强化学习中的灾难性遗忘。 在30次重复的非平稳CartPole消融实验中,完整架构在5个测试环境中的平均成功率达到83.2%。 该架构在CartPole上适应速度低于PPO,且在HalfCheetah上的收益低于SAC。
研究提出可微精确学习框架,结合无限外部环境、状态跟踪神经控制器与策略轨迹观测(PTO)。 引入不同有限状态换能器(DFSTs),支持对数并行训练,在算术与通用模拟任务上实现极端长度泛化。 证明Softmax DFST取argmax可精确执行图灵机模拟与二进制算术,代码与权重已公开。
NestedLoRA-VMC 算法利用低秩近似解决变分蒙特卡洛在量子激发态计算中的效率瓶颈,避免了传统方法中重叠惩罚调参或 $K^2$ 拉普拉斯算子的计算开销。 该算法通过 MCMC 采样恢复最低 $K$ 个本征态,在 K=10 时计算 Li 至 Ne 原子的精度与 NES-VMC 及先进惩罚法相当,并被 NeurIPS 2026 接收。
Open-fMIND 发布首个大规模开放获取 fMRI 语料库,基于 322 项 OpenNeuro 研究,涵盖 11,379 名受试者与 45,731 个功能运行序列。