AutoTerm-SST:零会话时设置的流式语音翻译自适应术语记忆系统
AutoTerm-SST 通过离线术语目录和话题切片,实现无需会话时上传术语表即可进行流式语音翻译。 在 ACL 和 ESO 肿瘤学演讲测试中,其术语准确率(88.3%)和 BLEU 分数(45.09)与已知领域基准持平,并优于百万条合并术语表。 系统运行 RTF 为 0.406,vLLM 主机可支持 32 个实时会话,展示了实时且无需设置的术语感知翻译能力。
AutoTerm-SST 通过离线术语目录和话题切片,实现无需会话时上传术语表即可进行流式语音翻译。 在 ACL 和 ESO 肿瘤学演讲测试中,其术语准确率(88.3%)和 BLEU 分数(45.09)与已知领域基准持平,并优于百万条合并术语表。 系统运行 RTF 为 0.406,vLLM 主机可支持 32 个实时会话,展示了实时且无需设置的术语感知翻译能力。
研究人员提出 TCAPI,这是一个专为张量网络(TN)设计的应用层 API,目前支持 C++ 和 Python。该接口通过抽象张量对象和定义核心运算,实现算法与硬件及软件框架的解耦。 TCAPI 提供基于 Cytnx、ITensor(C++)和 NumPy(Python)的开源实现。C++ 演示表明,其代码在不同硬件平台间的迁移性能与原生框架相当。
FiTv2 将图像概念化为动态大小的 token 序列,支持无限制分辨率和宽高比的图像生成,其收敛速度达到 FiT 的 2 倍。 模型引入 Query-Key 向量归一化、AdaLN-LoRA 模块、整流流调度器和 Logit-Normal 采样器,所有代码和模型已开源。
研究提出基于神经隐式表示的SDF能量优化方法,利用水平集形状算子定义能量泛函以正则化曲率,鼓励表面平滑。 实验在大规模数据集上验证,该方法在保持几何保真度的同时提升重建平滑性,且无额外推理时间成本,代码已公开。
研究在 5 个 NASDAQ 股票上测试 5 个自回归神经限价订单簿生成模型,发现其涌现的市场冲击指数为 0.63 至 1.21,略高于传统 0.5 平方根律。 基准包含自由生成、元订单注入及执行后窗口三阶段,用于评估消息级生成器;因模型上下文窗口较短,暂未观察到冲击衰减,该基准已开源发布。
研究提出基于高斯测度变换(MT)协方差的凸估计器,用于鲁棒估计分解为稀疏矩阵与低秩矩阵之差的高斯精度矩阵。 主定理证明在Fisher信息的受限可逆性与不可表示性条件下,优化器唯一且无假边,Frobenius估计风险达到极小极大率。
针对图生成模型无法利用硬件感知注意力实现且内存占用高的问题,提出一种边缘感知注意力层。 该层通过头级分数调制注入结构信息,利用 PyTorch FlexAttention 实现,将峰值 GPU 内存降低 65%,并显著提升训练与采样吞吐量。 该架构为可扩展的图基础模型提供了实践路径。
研究揭示聚类联邦学习(CFL)在不利初始化下会因贪婪路由导致集群崩塌,部分模型长期未获更新。 通过有限时域误差动态分析和基于 blocked EXP3 的自主控制器干预,可在 FEMNIST 数据中恢复可用专家模型,解决标准基准的陷阱。
LocaLeJEPA 提出了一种新的自监督学习框架,通过局部欧几里得分布匹配正则化器解决表征坍缩问题。 该框架在 ImageNet-1K 上表现显著优于 LeJEPA,支持双曲 ViT 和等变 CNN 等非欧几何骨干网络。 代码已开源,为适应内禀数据几何的 JEPA 范式提供了原则性方法。
一项研究利用 50 名参与者的 4 秒 EEG 片段,通过 subject-independent 嵌套 5 折交叉验证,评估了区分 MBTI 外向/内向偏好的可行性。 提出的紧凑型卷积架构 SSCNet 取得最高平均准确率 0.6481、AUC 0.7063 及 F1 分数 0.6276,且训练吞吐量最高。 结果表明,无需手动频谱特征提取即可从短时 EEG 中度预测 MBTI 偏好。
ARC(Alternating Rewiring Compression)在 CIFAR100 和 ImageNet 上以极低计算成本匹配了基线 AC/DC 的性能。 该方法通过零初始化掩码参数、缩短密集相位,并用稀疏重布线相位替代密集相位来优化性能与 FLOPs 的帕累托前沿。 实验还显示 ARC 在 GPT-2 上提升了验证困惑度和零样本平均表现,论文已被 NeurIPS 2026 接收。
宝马提供最高65万欧元(约487.6万元)离职补偿,致系统崩溃;Meta第三季度营收646亿美元,同比增长26%,预计全年资本开支1350亿至1450亿美元;iPhone Duo全球限购2台。
AWS 官方发布开源多智能体数据分析系统 Deep Insight,演示了五种生产级挑战的解决方案。架构基于 Strands Agents SDK 和 Amazon Bedrock,采用 Graph 与 Agents-as-Tools 模式分配专属模型,结合 Fargate 容器沙箱执行生成代码,并包含监控仪表盘与操作面板,提供本地、Web 及托管三种部署选项。
AI 初创公司 Recursive 发布了名为 Flint 的免费端侧编码模型,该模型主要依靠其自动化研究系统 Eureka Machine 构建,团队在四个月内完成开发。
GPT-2 Small(124M 参数)通过了 Anthropic 全球工作区论文提出的五项功能测试中的四项,仅失败于定向调制。 该模型同时缺乏 Gurnee 等人在 Claude 中发现的支撑结构,作者认为仅靠可被言语化的表征通过测试不足以证明意识访问。
在单台 trn2.48xlarge 实例上,通过 torchtitan 提供了三种训练 Qwen3 的方法。 这些方法包括使用 Transformers v5、tochtitan 原生模型规范以及添加 NKI MoE 内核。 环境需安装指定版本的 torch, torch_neuronx 和 transformers。
Strands Agents 构建的 AAIF 框架利用 llama3.2:1b 本地模型自动路由任务,复杂请求接入 Amazon Bedrock 前沿模型。该架构在 8 GB 内存的边缘设备上运行,通过分离路由逻辑与处理工具,在保证低延迟的同时降低 API 成本。
UC Berkeley Sky Computing Lab 发布开源平台 Agency,用于 AI Agent 的运行、调试与性能分析。该平台可实时追踪 LLM 请求与工具调用,定位关键路径瓶颈,并支持 Claude Code 与 OpenAI 等后端。
推荐理由:提供了 Agent 调试与分析的开源方案,通过连接 LLM 请求与工具调用,让开发者可直观定位性能瓶颈。
DeepSeek 开源内部推理框架 DeepInfer 及 token 编解码组件 deepseek-recipe,以 Apache 2.0 许可证发布。该框架支持 DeepSeek-V4.1-Flash,单集群日吞吐量达 155 万亿 token,每卡每小时收入 38 美元,推算毛利率为 82%。
同一新闻,精选展示《DeepSeek 开源内部推理框架 DeepInfer 及编解码组件》
无界动力正式发布并开源 MWA™-Phoenix 隐空间世界模型基座,该端侧 7B 参数模型在 LIBERO-Plus、LIBERO-Pro、RoboCasa GR1、Bench2Dex、RoboTwin 2.0 和 RoboDojo 真机榜等六项评测中均取得领先成绩。
Adobe Research与UCLA提出Tev,构建首个带可验证稠密渐进式奖励的长程智能体训练集Tev-Gym,训练出的Tev-27B在ALE-CM上Pass@5达0.28,与GPT-6 Astra、Claude Opus 5持平。
Hacker News用户shakshukan发布开源项目Beacon,旨在解决开发者在Claude Code、Codex、Cursor等多个编码Agent间切换时上下文丢失的问题。
LLMPanel 发布了一套用于自托管 LLM 推理的开源控制面板,支持用户在本地 GPU 或 RunPod 等云平台上选择模型与算力并获取 OpenAI 兼容接口。该工具内置使用分析与聊天交互环境,提供 vLLM 引擎支持、密钥鉴权管理、多模型图像生成及基于 Qdrant 或本地向量的知识库与 Agent 能力,通过一套 curl 命令即可快速完成部署。
CTGT启用Qwen3.8-27B的确定性推理后,测试请求完全一致,但同一银行政策手册的四次运行产生了不同的义务集合。调查发现管道将不可排序的资产ID写入提示词导致输入不稳定,团队通过稳定别名和排序修复了问题。作者开源了用于定位此类问题的Concordance工具。
英伟达宣布 DGX Spark 可手动配置最多 8 台设备组建集群,128GB 版本统一内存最高达 1TB。同步更新本地 AI 平台,与 llama.cpp、vLLM 合作优化推理性能,在特定工作负载下 RTX PRO 6000 Blackwell 相关任务提速最高 40%,DGX Spark 最高提速 30%,DGX Station 最高提速 20%。
研究通过因果推断分析发现,Agentic AI 的采用并未改善软件架构,总架构坏味道数量仅微增 1.1%(p = 0.82)。 尽管代码行数增长 12.8%,导致架构坏味道密度下降 6.7%,但这属于分母效应而非架构实质改进。 该研究强调密度归一化指标可能产生误导,需在因果分析中结合原始数量与显式分解进行评估。
Requ 是开源图表语言,支持将纯文本工作流转化为泳道图,涵盖团队、客户旅程及 AI Agent 的交接流程。 提供 CLI 和浏览器包,同一源码适用于 playground、命令行及嵌入式场景,支持导出 Source。 示例包括银行账户开户、员工入职等场景,用户可在线查看图表及源代码,无需 JavaScript 即可浏览。 ```
英伟达联合思灵机器人(Agile Robots)发布 Agile ONE SN 人形机器人参考平台,计划 2027 年初推出,面向机器人研究与开发。平台搭载 Jetson Thor(提供 2070 TFLOPS FP4 算力)和 Isaac GR00T,并配备灵巧手,配置时间预计从数周缩短至数天。
美国国土安全部下令联邦机构移除Deepseek及其衍生软件,北京指责此举为歧视,并承诺采取反制措施。文章指出中国国内对ChatGPT、Claude等海外AI有严格限制,且要求逐步替换为国产软硬件,这种双重标准使中方的抗议显得缺乏说服力,但意在释放政治信号并为未来报复奠定基础。
作者构建了名为 mnestiq 的 AI Agent 防篡改飞行记录仪,为事件响应提供签名的取证证据。工具通过哈希链和 Ed25519 签名记录Agent的运行步骤、网络出口及模型上下文来源,并内置 MNQ 检测规则以识别未信任输入引发的数据泄露风险。
NVIDIA Kumo Forecast 是多方时间序列预测模型,基于 3.4 亿参数的 MOMENT-1-large 骨干,结合 DARR 模式通过 k 近邻检索历史数据增强预测。模型支持 256 至 2048 长度的输入序列,提供 DataFrame API、可配置预测视程及无侵入式可解释性框架,如滞回归因和轨迹稳定性诊断。开源 Apache 2.0 许可,支持微调及异常检测应用。
Black Forest Labs 发布开放权重的 5.6B 参数图像生成模型 FLUX 3 Image Klein。该模型优化了消费级 GPU 适配,其 INT8 版本仅需 8GB 显存即可运行。实测显示,在 RTX 5090 上生成 1MP 图像约需 4 秒,支持 4K 分辨率、文本转图像及像素级精确编辑。
同一新闻,精选展示《Black Forest Labs 发布 FLUX 3 Image Klein,5.6B 参数模型支持 4K 原生输出》
NVIDIA 扩展其开放模型家族,涵盖语言、机器人、生物及量子计算领域,旨在支持开发者构建符合本地语言和工业需求的应用。
Linkit 是一款 100% 免费且开源的桌面 AI 书签管理器,支持 macOS、Windows 和 Linux。用户可连接 OpenAI 兼容 API 或 Ollama 本地模型,解锁 AI 摘要、语义搜索和知识图谱功能。 采用本地优先存储并支持 Supabase 云同步,提供无广告、无付费墙的数据主权保护,实现跨设备实时同步与离线快速检索。
Google 正式开源 TorchTPU 工具,允许原生 PyTorch 应用无需重构、只需简单配置变更即可运行在 Google TPU 上。该发布紧随 AWS 针对 Trainium 芯片发布的 TorchNeuron,随着两家超大规模云厂商均提供原生的 PyTorch 跨架构方案,Nvidia 在 AI 算力生态中的软件绑定优势正在减弱。
DeepSeek 发布开源推理框架 DeepInfer,该框架用于 V4.1-Flash 的推理服务并采用 Apache 2.0 协议。项目基于 vLLM 构建,内置 FlashMLA、DeepGEMM 和 DeepEP 等内核,支持 MoE 专家并行、draft-token 解码和确定性采样,并适配 Nvidia Blackwell 和华为芯片。
同一新闻,精选展示《DeepSeek 开源内部推理框架 DeepInfer 及编解码组件》
DeepSeek 开源了 DeepInfer 推理引擎和配套协议处理库 deepseek-recipe,披露单集群日均处理 155T tokens、96% 输入缓存命中率的实测生产数据。vLLM 团队随即发布官方对比,测得 decode 吞吐量在 GB200 上仅落后 DeepInfer 不到 6%,并公开了 AgentX 基准复现指南,以开源引擎实测数据回应单栈效率质疑。
推荐理由:vLLM 官方给出 decode 性能对比数据,修正了 DeepSeek 单栈优势叙事,并提供了开源生产推理堆栈的经济学测算框架。
DeepSeek 将推理框架 DeepInfer 和生产级分词组件 deepseek-recipe 以 Apache 2.0 协议开源,支持每日 155 万亿 Tokens 吞吐,并承诺未来新模型的推理代码也将在此框架中持续更新。
Ant 发布开源音频模型 Ming-3.0 Audio,采用 MIT 协议开源权重和代码。模型支持音频与文本混合输入,可生成书面或语音回复,并演示了分析财报电话会议、识别声音及讨论歌曲等场景。
MemTensor开源发布MemT 1.0系列,将记忆计算原生集成进Transformer架构以支持AI自我改进。该模型在SWE-bench Verified等基准测试中表现优于或持平外部文本记忆,且推理速度提升约1.86倍、状态占用大幅降低。
同一新闻,精选展示《记忆张量发布并开源 MemT 1.0 记忆原生大模型》