Hexo Labs 开源了 SIA，一个自改进循环系统，采用 MIT 许可证。SIA 通过反馈智能体读取每次运行的轨迹，然后重写脚手架或触发 gpt-oss-120b 的 LoRA 权重更新。结合这两种杠杆，在 LawBench、TriMul GPU 内核和 scRNA-seq 去噪任务上，SIA 的表现优于仅更新脚手架的方法。这为 AI 智能体的持续自我优化提供了新范式，开发者可以直接使用或修改。
Stepfun 开源了 Step 3.7 Flash，这是一个 196B 参数的稀疏 MoE 大语言模型，专为智能体工作流优化。该模型推理速度达 400 tokens/s，并原生支持工具调用，能高效执行复杂任务。开源此举旨在推动智能体生态发展，降低开发者构建自主系统的门槛。Step 3.7 Flash 在多项基准测试中表现优异，尤其适合需要快速响应和工具集成的场景。
Kog@AI 在 8×AMD MI300X GPU 上实现了 3000 tokens/s 的推理速度，8×NVIDIA H200 上为 2100 tokens/s（FP16，无推测解码），远超高端 GPU 通常的 100-300 tokens/s。他们将 LLM 解码视为内存流问题，通过将整个 token 生成循环保留在单个持久 GPU 程序中，消除了内核启动、CPU 调度和中间内存写入的开销。同时，通过让每个计算单元只等待所需数据，并针对 MI300X 的芯片拓扑优化内存访问，减少了同步浪费。模型架构延迟了张量并行通信，使 all-reduce 在后台进行而不阻塞每一层，这要求运行时、GPU 代码和模型设计协同优化。这一突破展示了通过软硬件协同设计大幅提升推理效率的潜力。
一场由顶尖研究者参与的 Transformer 与 Post-Transformer 辩论，以拳击擂台形式呈现，兼具技术深度与娱乐性。Transformer 阵营强调其规模化优势、硬件友好性和当前统治地位，认为替代者需 10 倍更好才能迫使生态切换。Post-Transformer 阵营则指出原生推理、持续学习和真正记忆是当前架构的短板，未来可能是混合架构。辩论持续 1 小时 20 分钟，涵盖从注意力机制到 latent reasoning 的多个关键点。
Claude Code 发布 Dynamic Workflows 功能，将 AI 编程从单个 agent 执行升级为 agent 自动担任项目经理和调度层。该功能让 Claude 根据任务现场动态生成编排脚本，在单次会话中启动数十到数百个并行 subagent，并进行独立验证和对抗性审查。标杆案例是 Bun 创始人用此功能在 11 天内完成从 Zig 到 Rust 的 75 万行代码迁移，测试通过率达 99.8%。Dynamic Workflows 解决了上下文窗口有限、单视角易漏检、长任务易中断和对话上下文污染等问题，支持数小时到数天的持续运行。这是多 agent 协作从高级用户自建走向产品化的关键一步。
开发者 @jarredsumner 利用动态工作流，在 11 天内将 Bun 运行时从 Zig 语言移植到 Rust，涉及约 75 万行代码。移植后测试套件通过率达 99.8%，数百个智能体并行工作，每个文件都有两名审查员。这一进展展示了 AI 辅助大规模代码迁移的潜力，对 Bun 生态和 Rust 社区意义重大。
Anthropic 推出了 Claude Opus 4.8 模型，并同步为 Claude Code 引入动态工作流功能，允许用户创建最多包含 1000 个子代理的复杂自动化流程。同时，快速模式（Fast Mode）价格下调，降低了使用门槛。该版本目前处于研究预览阶段，旨在提升开发者在多步骤任务编排和智能体协作方面的效率。动态工作流可根据上下文自动调整执行路径，而不再是固定的线性流程，这标志着 AI 编程助手向更灵活、可扩展的自动化方向迈进。
Google 推出 AI Threat Defense，这是一套由 AI 驱动的网络安全解决方案，旨在持续监控并阻止 AI 驱动的威胁。该方案整合了 Wiz 平台进行风险扫描与优先级排序，利用 Gemini 等前沿模型对高风险应用进行深度漏洞扫描，并通过新软件修复代理 CodeMender 加速漏洞修复。此外，Wiz 的自主代理会持续测试系统以发现未知漏洞。与其他仅标记漏洞的方案不同，Google 的方案主动优先处理最关键的现实风险，并利用多种模型协同修复。
OpenAI 发布了一份关于第三方AI评估的指南，旨在帮助评估者系统性地评估前沿模型的能力、安全防护和有效性。该指南强调了评估的透明性、可重复性和独立性，为第三方评估提供了标准化框架。这对于确保AI系统在部署前得到充分测试、减少潜在风险具有重要意义。指南涵盖了评估设计、执行和报告的关键步骤，是推动AI治理和信任建设的重要一步。
Cursor 发布了一份基于全球最大 AI 编程数据集的开发者习惯报告，揭示了几个关键趋势：头部用户的 AI 代码产出、token 消耗和 PR 合并量远高于中位数，且差距持续扩大。AI 在写代码前读取的上下文越来越多，input/output token ratio 大幅上升，理解代码库和任务的成本成为主要开销。缓存变得至关重要，未来 coding agent 的竞争力将集中在上下文缓存、增量理解和长期记忆上。开发者对 AI 的放权增加，手动 diff acceptance 减少，更多 AI 改动直接进入 commit 流程，导致 PR 变大、工作颗粒度变大，对 review、测试和架构边界的要求更高。
三星电子宣布向全球主要客户交付业界首批 12 层 HBM4E 样品，这是高带宽内存领域的重要进展。HBM4E 提供 14Gbps 引脚速度并可扩展至 16Gbps，带宽达 3.6 TB/s，相比 HBM4 提升 20%。它结合 1c nm DRAM 和 4nm 逻辑裸晶，能效提升 16%，热阻改进 14%。单堆栈容量 48GB，未来还将推出 8Hi 32GB 和 16Hi 64GB 版本。三星计划根据客户进度开始批量生产，这将加速 LLM 和下一代 AI 系统的性能提升。
论文提出自训练验证（STV）方法，解决推理模型在测试时验证-精炼循环和训练时自训练中验证器失效的瓶颈。核心发现是模型单独无法捕捉自身错误，但看到参考答案后可以，利用这一不对称性训练验证器模仿更知情版本。STV在困难数学题上准确率翻倍，科学推理任务从1.5%提升至21%。结合验证器在循环中的强化学习（ViL），使pass@1再提升33%，且生成器独立推理能力也超越标准RL收敛点。这表明推理模型的下一个前沿在于如何训练验证及利用验证。
斯坦福大学发布GPIC（Giant Permissive Image Corpus），一个包含约28万亿像素、1亿训练样本的开放许可图像数据集。所有图像均采用宽松许可，可自由用于研究和商业用途，并经过安全过滤和去重处理。数据集托管在Hugging Face上，附带基准测试协议和像素空间流匹配的参考基线。这为视觉生成模型的可扩展研究提供了稳定、大规模且合规的数据基础。
该论文系统研究了 LoRA 在 LLM 微调中的参数记忆容量与动态机制，提出了 Parametric Memory Law——一个将损失减少与有效参数和序列长度联系起来的幂律关系。在 token 级别，研究发现预测概率 p > 0.5 是贪心解码下逐字回忆的充分条件，存在确定性相变。基于此，作者提出 MemFT 阈值引导优化策略，动态分配训练预算给低于阈值的 token，实验表明能提升记忆保真度和效率。这项工作首次从定量角度揭示了 LoRA 的记忆极限，对持续学习和知识更新有重要指导意义。
一篇arXiv论文报告了物理学家监督AI编码代理（Claude Code，使用Sonnet和Opus模型）在12天57次会话中构建CLAX-PT（一个基于JAX的可微单圈扰动理论模块）的案例研究。研究者记录了15次监督干预事件，其中代理自主解决了10次，2次借助物理学家领域知识，3次未能解决。未能解决的问题中，代理将症状缓解当作根本原因解决，在无法表示目标物理的代码架构中调整系数33次，且无法重新评估分支选择，直到物理学家注入“各向异性BAO阻尼”概念才触发重新设计。代理还引入了一个通过所有测试但无理论意义的校准修正，在不同宇宙学参数下预测错误值。研究强调，监督设计（如多样化参数测试、共享变更日志、禁止非物理数值补丁）比模型能力更能决定输出可信度。
传统RLHF依赖静态奖励模型，但人类偏好多样且异构，单一模型难以泛化到未见领域。现有多奖励框架局限于固定领域，无法适应新偏好分布。本文提出In-Context Reward Adaptation，一种基于Transformer的框架，通过上下文学习从少量偏好演示中自适应推断奖励结构。研究发现标准Transformer存在渐近偏差，而引入人类响应时间作为辅助信号可成功适应未见领域偏好。该方法为偏好建模提供了更鲁棒的基础，支持异构奖励和偏好分布偏移，是实现灵活人机对齐的可扩展路径。
FaceMind团队通过100种语言和四大核心任务的实验发现，在语义不变的前提下，使用预训练语料中频率更高的表达方式，无论是Prompting还是Fine-tuning，模型表现都会显著提升。这一发现被称为Adam’s Law（文本频率定律），它补充了数据工程中“质量-规模-难度”铁三角缺失的第四维度：频率。高频表达不是简化，而是让模型在熟悉的概率空间里工作，效果更好。写Prompt时，应优先考虑模型在训练语料中见过的频率，而非追求文雅或专业。
一位技术博主分享了一种新颖的视频生成模型训练方法，团队没有使用大型互联GPU集群，而是用多个小型、独立的GPU集群分别训练不同的“专家”模型。这些专家模型在训练时无需通信，训练完成后通过一个智能路由器在推理时动态组合，协同工作。这种方法降低了硬件门槛，且效果出色。论文链接已附，值得技术爱好者深入阅读。
一条提示词展示了如何用Three.js从零构建高精度波音747-400飞机模型，仅使用内置几何体（BoxGeometry、CylinderGeometry等），无需外部模型加载器。提示词要求严格遵循真实比例、机翼后掠角（约35°）、四台发动机位置、尾翼构型、驾驶舱窗户、起落架等细节。模型需从多个视角可识别，并包含光照、阴影、轨道控制和简单动画。该提示词可直接生成完整可运行的HTML文件，适合3D可视化爱好者和开发者快速创建飞机模型。