QuAIA:开源多智能体系统实现全自动化测试流程
QuAIA 是一个基于 AGPL-3.0 协议的开源多智能体测试系统,通过专用 AI 智能体覆盖从需求审查到缺陷报告的全流程。系统无需编写测试脚本,UI 智能体直接通过屏幕交互运行测试并支持多语言与动态数据格式,能够在学习用户专家演示后自主执行测试。该架构基于 A2A 和 MCP 标准连接 Jira、Zephyr 等工具,支持在用户自托管基础设施中运行任意大模型。
QuAIA 是一个基于 AGPL-3.0 协议的开源多智能体测试系统,通过专用 AI 智能体覆盖从需求审查到缺陷报告的全流程。系统无需编写测试脚本,UI 智能体直接通过屏幕交互运行测试并支持多语言与动态数据格式,能够在学习用户专家演示后自主执行测试。该架构基于 A2A 和 MCP 标准连接 Jira、Zephyr 等工具,支持在用户自托管基础设施中运行任意大模型。
Amazon Bedrock AgentCore runtime V2 采用环境快照机制,将会话启动时的镜像拉取与初始化前置,从而加速恢复过程。 V2 在创建或更新运行时生成快照,新会话通过恢复快照启动,仅按需从镜像加载文件。 该版本支持构建钩子以预热依赖,并通过 CloudWatch 指标区分平台开销与代码执行时间。
FAA 已将用于协助空管员的 AI 工具 SMART 扩展至全美 22 个空管中心,旨在减少航班延误、降低燃油消耗。 该系统造价 875 万美元,自 9 月 21 日在华盛顿特区空域启用以来,已协助改航 180 架次航班,平均每架次节省 10 分钟及近 80 加仑燃油。 美国空管员工会表示未参与该系统的设计与测试,但航空公司高管支持这一部署。
AWS 官方教程展示了如何在 Amazon SageMaker JumpStart 上部署 OpenFold3-preview 模型进行生物分子 3D 结构预测。
Google Research 宣布在 Antigravity 平台开放 /teamwork 多智能体协作功能,并展示了其在数学证明、分子化学发现及代码优化等领域的最新应用成果。
推荐理由:原文展示了多智能体在数学证明、分子发现和代码迁移中的实际应用,读者可据此评估其在科研和工程领域的可用性。
AssemblyAI 采用 Amazon EC2 Spot 与按需实例混合架构,在保持 SLA 的前提下大幅降低大规模 GPU 推理成本。 架构基于 Amazon ECS 多容量提供者策略,分散使用 g4dn、g5、g6 实例族,并通过 Amazon SQS 实现中断任务自动重试。 该方案满足医疗、金融等行业的欧洲数据驻留合规要求,已在 AWS Marketplace 提供 API 服务。
Amazon SageMaker HyperPod 推出 Data Capture 功能,将实时推理输入输出记录至 Amazon S3,帮助团队检测数据漂移。 该功能提供三个独立层级,支持在 SageMaker 端点、负载均衡器或模型 Pod 处采集全量负载,且对模型可用性零影响。 用户可利用捕获数据通过 Amazon Athena 分析并标记新盲区,结合微调提升特定领域模型准确率。
Amazon Bedrock 可通过零代码改造的 IAM principal 归因功能,追踪 Claude Code、Codex 等 AI 工具在每次推理调用中的用户级成本。该教程展示了配置 IAM Identity Center 实现单用户认证、将 session 标签写入 CUR 2.0 以进行成本拆分,以及如何结合 AWS Budgets 或 LLM Gateway 设置用量上限的完整流程。
作者发布 DetLLM 项目,实现 Qwen3-0.6B 在纯整数运算下跨设备比特级确定推理。在 A100、H100、CPU 等 9 种配置下,整数推理产生唯一哈希值,而 fp16 推理产生 9 个不同哈希值。整数推理的 WikiText2 困惑度为 20.72,略优于 fp16 的 20.95;经过内核优化,解码速度可达 106 tok/s。
推荐理由:作者展示了用纯整数运算实现跨设备比特级确定的LLM推理方法,并给出性能与困惑度数据。
前 OpenAI 研究员 Will DePue 声称,通过分析模型权重中由 PyTorch 初始化随机数留下的统计残留,他发现了六个中国模型使用 Nvidia Blackwell 代 GPU 训练的指纹证据。
Hugging Face 发布 llama.cpp 与 ggml 的 v1.0.0 库版本,确立以重大版本标记 API 和 ABI 不兼容的语义版本规则。该引擎支持跨平台本地多模态 LLM 推理,覆盖 150 多种模型架构及主流推测解码方法,并扩展至 Linux、macOS、Windows、Android、iOS 等发行渠道。
为满足 AI 需求,KT、SK 电讯、Naver 等韩国企业提出建设吉瓦级数据中心,但现有容量仅为数十至数百兆瓦,远低于海外 1GW 以上的规模。 KT 和 SK 电讯当前容量约 150MW,仅为 1GW 规划的 15% 左右;Naver 签约容量仅占其 200MW 规划的 10%。 受限于资金和时间,韩国企业可能陷入客户争夺不利与扩建延误的恶性循环,落后于海外竞争对手。
CloudHike 推出集成 Postgres、Redis 及 100+ AI 模型的后端平台,支持通过 MCP 协议连接 AI 编码智能体。 Pro 版定价 $10/月,比 Supabase 低 60%,提供 Linux 桌面供智能体执行操作,兼容 OpenAI API 格式。
NVIDIA前CEO Jensen Huang辞职在以色列引发担忧,当地风投观察到这可能为竞争者提供机会。投资人认为若NVIDIA决策变慢,竞争对手可占据更大份额,但仅靠领导层更迭无法赢得业务。
AI 正帮助医疗团队将时间从常规任务转向患者,加速护理流程。NVIDIA 技术为应用提供算力,Proximie 利用 NVIDIA Cosmos 3 在 700 多间手术室部署,使周转速度提升 45%。ConcertAI 借助 AI 引擎将临床试验匹配速度提升至手动方法的 3 倍,支持高达 50% 的入组率增长。
Strata 实现将 125B 参数的 AI 模型部署在消费级硬件上。 原文未提供具体技术参数、benchmark 分数、速度倍数或影响等细节,仅标题表明该方案针对 125B 模型在消费级硬件上的适配。
京东物流在 IC China 2026 上发布半导体行业首个智能物流方案,实现成品晶圆从下线到包装 100% 全自动化。 方案引入 AI 视觉核验与“智狼”飞梯机器人,使存储密度提升 210%,作业效率提高 300%,库存准确度达 100%。 该方案解决了单件价值达 50 万美元晶圆的物流痛点,推动精密物料物流迈向系统级无人化。
将计算靠近内存可显著降低数据移动功耗与延迟,推动 AI 推理从数据中心向边缘物理设备迁移。 不同 AI 工作负载需定制化内存架构、互连及处理方式,前置编译能优化 PIM/PNM 场景下的执行效率。 软件支持、标准化及热管理仍是阻碍该类技术广泛采用的主要挑战。
开源欧拉 openEuler 发布面向 Agentic Infra 的操作系统,提供沙箱、KV Cache 及 Agent 安全能力,已在头部用户商用落地。 国内累计装机量预计突破 2200 万套,同时发布 openEuler 24.03 LTS SP5 版本及 HECOS 1.0 系统。
NVIDIA 发布 Instant NuRec,前馈神经网络将短时多视角驾驶日志单次前向转化为可仿真的 3DGS 世界。 10-20 秒多摄像头场景重建耗时约 1.5 秒,在 Waymo 数据集上 PSNR 较最强基线提升 2.01 dB。 模型深度集成于 NuRec,并支持 AlpaSim 闭环仿真,降低自动驾驶开发成本并提升安全性。
AskALCF 是一种面向 HPC 用户支持场景的智能体日志分析与系统自改进流水线,将生产中未定位故障比例从 41.4% 降至 14.2%。 其诊断核心结合了答案质量评估与双范围充分性测试,可区分“文档缺失”与“检索失败”,并将失败路由至知识、提示、模型或工具执行的对应修复路径。 该工作证明了受生产证据驱动的受控自进化机制,为部署后的 AI 支持系统提供了超越知识库定期更新的持续改进基础。
基于记忆分类器的草案模型 Olifant 在 CPU 上预测下一 token 耗时低于 0.3 ms,无需 GPU 或反向传播。在无 KV cache 的 LLM 验证器中,Olifant 接受率达 38.1%,吞吐量提升 2.43 倍,单 token 能耗降低 2.51 倍。这表明只要草案生成成本极低,推测解码在快速验证器时代仍具有显著能源效率优势。
针对 typed-decision 模型 Laya,一个 130 行 NumPy 的配方可显著改进其置信度校准效果。 在 1,065 个 LLM 标注的合成数据上,按桶交叉拟合的温度标度将 bucket-macro ECE 从 0.143 降至 0.073;12 选项桶过于自信(+0.22),3-5 选项桶过于保守(-0.05),分桶处理是主要收益来源。
Together AI 推出持续编译系统 Together Compiler (TKCC),采用智能体爬山法优化 AI 推理负载。 在 InferenceX 基准上,TKCC 在 Llama 1B 工作负载上比手写 Megakernels 快 1.7 倍,在前端模型上比最佳开源引擎 TPS 高 2.6 倍。 TKCC 已在生产环境中服务数万亿 tokens,支持跨硬件平台的高效推理部署。
MARS 提出协调工作流准入控制与引擎内调度的智能体服务系统,旨在解决 GPU 内存受限下多轮工作流因 KV 缓存复用导致的反复驱逐(抖动)问题,实现高工作流级 goodput。 在两个模型和三种 GPU 配置上,MARS 相比最快基线实现了 1.59x-7.56x 的平均端到端延迟加速,并作为 OpenCode、Codex 等后端将工作流完成时间提升了 1.17x-1.87x。 开源代码已公开。
DREX 提出批处理早期退出 LLM 推理系统,通过跨迭代批处理避免强制 token 提前退出。 采用 vLLM 异步调度,结合推测持有策略。在 Llama-2-70B 上实现 2.22-2.24 倍解码加速,速度优势比 EAGLE 高 9-63%。
OSCAR 提出离线估计注意力感知协方差目标,推导固定逐层旋转与裁剪阈值,在 2-bit 精度下保持注意力保真度。 在 Qwen3-4B-Thinking-2507 和 Qwen3-8B 上,OSCAR 将 BF16 精度差距分别缩小至 3.78 和 1.21 分,在 Qwen3-32B 和 GLM-4.7(358B 参数)上达到 BF16 水平。
CUDA-L2系统结合LLM与强化学习优化HGEMM CUDA内核,在1,000种配置下系统性超越cuBLAS等基准。 离线模式下平均比cuBLAS快19.2%,服务器模式下比cuBLAS快26.0%,验证了LLM引导的自动化优化潜力。 该项目表明即使高度优化的内核也可通过系统化探索配置空间得到显著提升。
GC-MoE 操作针对 RTX PRO 5000(SM120)重构,通过 warp 级 FP8xFP4 块缩放 MMA 实现专家并行解码加速。 在 8 张 RTX PRO 5000 上,该算子比 FlashInfer CuTe DSL W4A8 和 Cake MegaMoE 分别快 1.522 倍和 1.387 倍。
并行提示(Parallel Prompting)通过并行解码独立问题流,解决了传统前缀缓存在解码阶段受内存带宽限制的瓶颈。 该方法在 SGLang 中仅需增加约 80 行代码,利用流 ID 注意力掩码实现单次阅读共享文档。在 CodeLlama-7B 模型及 8k-16k token 文档场景下,相比原生 SGLang 实现 3.7 至 6.0 倍加速。
提出基准 MLIRBench,包含 1,768 个经执行验证的 torch 与 linalg 程序变异对,评估 9 个 LLM 的语义推理能力。 Gemini 3.1 Pro 在 1,768 对测试中取得 92.65% 的硬标签准确率及 5.04/10 的行为评分,结果显示语义分类能力与详细执行行为预测间存在差距。
summary_zh: 提出 SoScale,一种用于层级 FP4 量化的二阶梯度权重码搜索方法,在 Qwen3 模型上降低了 MXFP4、NVFP4 和 HiF4 的量化性能下降。
针对 MoE 模型的 CPU-GPU 专家传输瓶颈,提出了一种在不改变路由决策前提下的“未来最远驱逐”策略。 该策略在 OLMoE-1B-7B 模型及 L40S GPU 上实测显示,较 LRU 缓存减少 2.1 倍专家拷贝次数且无质量损失,需未来请求信息以发挥最大效用。
在 Cloudflare 的 Clef-flash 和 Clef 模型上,非量化因素(如引擎、重启、批次)导致的决策变化在 0 到 0.92% 之间。 同引擎内的量化影响显著,Clef 模型在 Q4_K_M 格式下决策变化达 5.79%。 作者开源了代码与预注册数据,用于复现 31,275 题的量化精度对比。
Chap 是一款基于实时字幕的跨平台会议笔记工具,支持浏览器、桌面与终端运行,允许在会议中切换任意模型或智能体,且无需加入呼叫。它在请求离开本地前对邮件、电话等敏感信息执行可逆匿名化,并将模型与记忆整合于统一的可搜索存储中,用户还能通过 MCP 服务器和浏览器操作让 AI 直接填表或点击。
Runitlocal.io 是一个本地 AI 平台,允许用户在自有硬件上运行 AI 并探测 GPU 性能。 该服务通过浏览器读取 GPU 信息且数据不上传,速度估算需标记为实测值才准确。
Anthropic 在 IPO 材料中称,其 Mythos 模型协助将 Claude 适配至 AMD MI355X GPU,仅耗时三天即实现 prompt 处理阶段的可用性能,此前该工作通常需数月。
ArtCraft 在 AI Engineer Code Summit 发布开源 Photoshop 替代工具 PhotoCraft,并披露已上线 Adobe Acrobat 克隆 PdfCraft、Figma 克隆 WordCraft 等 17 款应用。
该 Wiki 旨在为企业提供 AI 安全参考,涵盖治理、风险管理及合规审计。 内容包含 682 个测试案例库,并整合 FINOS、NIST 及 GDPR 等框架。 其目标是通过标准化控制与证据,降低数据泄露、提示词注入及模型滥用风险。
ComfyUI 重写文本生成核心路径,针对 Qwen3.x 系列模型实现 2 倍加速,且无需更改模型权重。该优化已集成至 ComfyUI v0.45.0,支持 NVIDIA 与 AMD 显卡在 Windows 及 Linux 系统下运行。其核心技术包括优化 GEMV 内核以最大化 VRAM 读取效率,以及引入自适应树状 MTP 算法,通过动态调整推测解码结构进一步提升输出速度。