AI 自我进化与安全竞速新突破

对于关注国产 AI 基础设施和低资源部署的开发者，BitCPM-CANN 展示了在昇腾 NPU 上训练三元模型的完整路径，可以直接参考其开源训练脚本做本地化部署或模型优化。

rohanpaul_ai@rohanpaul_aiSource

Daytona 解决了智能体大规模并发运行时的基础设施瓶颈，做 AI 智能体开发、RL 训练或大规模评估的团队可以直接用这个平台替代传统云方案，值得关注。

Latent.Space@latentspacepodSource

线性注意力研究者终于有了更精细的门控机制——Gated DeltaNet-2把擦除和写入分开控制，做高效长序列建模的团队可以直接复现并对比效果。

做 AI 智能体高频状态探索（如树搜索、强化学习）的团队，终于有了能跑在毫秒级的沙箱 C/R 方案，不用再被几百毫秒的延迟卡脖子，建议直接看论文实现。

这项研究揭示了数据顺序对模型知识时效性的关键影响，做LLM预训练或持续学习的团队值得关注，可以直接参考其基准和训练方法。

多智能体系统开发者终于有了保护KV缓存中隐式敏感信息的方案——LCGuard在不牺牲任务性能的前提下阻断信息重建攻击，做分布式AI协作的团队值得关注。

数学研究者终于有了能真正解决开放问题的 AI 工具——成本可控且覆盖多个数学分支，做组合数学或图论的人可以直接用这个智能体尝试自己的猜想。

VPO解决了LLM在推理时搜索中缺乏多样性的痛点，做强化学习后训练或推理时搜索的团队值得关注，它直接替换GRPO就能提升搜索效果。

做自主智能体系统开发的团队终于有了能自动修复代码级故障的方案——MOSS 让智能体从用户交互中学习并自我改进，建议关注其源码级重写机制如何解决传统文本层无法触及的结构性问题。