VibeThinker-3B是一个3B参数的小型稠密模型，基于Spectrum-to-Signal后训练范式，通过课程监督微调、多域强化学习和离线自蒸馏提升。在AIME26上达到94.3分（测试时扩展至97.1），LiveCodeBench v6上Pass@1为80.2，最新LeetCode竞赛接受率96.1%。其性能与DeepSeek V3.2、GLM-5和Gemini 3 Pro等旗舰大模型相当或超越。IFEval得分为93.4，表明强推理未损害指令遵循能力。该工作提出了参数压缩-覆盖假说：可验证推理可压缩为紧凑推理核心，而开放域知识需宽参数覆盖。
LMSYS 发布博客介绍 DFlash 和 Spec V2 推测解码技术。在 8 块 B200 上，针对 HumanEval 基准，DFlash + Spec V2 实现超过 4.3 倍基线吞吐量和 1.5 倍原生 MTP 吞吐量。其核心包括块扩散起草器（一次前向传播生成完整 token 块）和 KV 注入（目标模型特征馈入每层 KV 缓存），以及 Spec V2 重叠调度器带来 33% 端到端提升。该方案现已作为 SGLang 的默认推测解码引擎。
LaWAM通过潜在视觉子目标替代重建未来视频，在LIBERO基准上达到98.6%的成功率，在RoboTwin上达到91.22%，并在真实世界操作任务中取得竞争性表现。该模型每次动作块预测仅需187毫秒，延迟比像素空间世界行动模型低24倍。LaWAM的核心是潜在动作条件潜在世界模型（LaWM），利用预训练视觉基础模型的潜在空间预测未来观测特征。
阿里云发布Qwen-Robot Suite，包含三个基础模型：Qwen-RobotNav统一5种导航任务（指令跟随、点目标、物目标、目标跟踪、自动驾驶）；Qwen-RobotManip在38,100+小时开源语料上预训练，实现异构机器人统一状态-动作空间；Qwen-RobotWorld支持20+具身化身，通过自然语言接口预测物理世界未来。三个模型可独立使用或组合，构成通用具身智能系统的底层工具包。
这篇论文提出了一个新型的泛函梯度下降（FGD）算法，该算法在优化过程中自适应调整泛函梯度的表示，解决了固定近似引入误差的问题。作者证明，在光滑损失条件下该算法收敛到平稳点，在附加Polyak-Lojasiewicz条件时收敛到全局最小值，这是首个在一般环境下具有此类保证的可实现FGD方法。在回归、偏微分方程数值求解和现代计算机视觉任务中，该方法在效率和准确度上均优于固定近似FGD和神经网络基线。
vLLM v0.23.0 包含 408 次提交，来自 200 位贡献者（63 位新贡献者）。主要亮点：DeepSeek-V4 在多个后端上成熟，引入 TRTLLM-gen attention 内核、与 V3.2 解耦的稀疏 MLA 以及用于 Mega-MoE 的 EPLB 调度。Model Runner V2 现已成为 Llama 和 Mistral 稠密模型的默认运行器。新增 Gemma 4 Unified（无编码器）及 MTP 支持。还提供了多层级 KV 缓存卸载（含对象存储层）和统一的推理与工具调用解析器。
Nous Research 在 Hermes Agent 中新增了异步子代理功能，delegate 工具可生成后台代理而不阻塞父聊天。async_delegation 工具集（issue #5586）支持生成、检查、引导和收集任务。该功能包含子代理隔离机制，并讨论了同步与异步的权衡及 ACP 的适用场景。
Vercel Labs 推出基于 AI SDK 7 实验性 HarnessAgent 的 Generative UI 方案，支持在 Vercel Sandbox 中替换 Claude Code、Codex 或 Pi 等编码代理。代理在隔离 Linux 环境下执行真实 bash、编辑、测试，输出受 Zod schema 约束的 JSONL spec，前端通过 json-render 管道实时渲染为 Steps、FileChange、Terminal、TestResults 等组件。系统实现三层解耦：Harness 抽象层可互换代理，UI 层与执行层独立，Catalog 限制组件边界以保障安全。每个会话绑定 live sandbox，10 分钟空闲后销毁，首条消息冷启动较慢但后续复用工作区。
Claude Code v2.1.178 新增 Tool(param:value) 语法，支持用通配符匹配工具输入参数，例如 Agent(model:opus) 可限制子代理模型。修复了子代理多个问题：查看转录时展示工具结果与进度、消息不丢失、后台运行不再重启。改进了自动模式，子代理生成前由分类器评估，避免绕过审查。修复了因 WebSocket/OAuth 文件描述符继承导致的内存溢出崩溃。改进了嵌套 .claude/skills 加载与命名冲突处理。
腾讯云开源Cube Sandbox一个月后，推出快照、克隆、回滚三项核心功能。该工具通过微虚拟机隔离运行AI agent，可在健康状态创建检查点，让agent自由操作后回滚到之前状态。回滚时间低于100毫秒，克隆支持秒级生成数十个完全隔离的副本。同时发布的Lobster WebUI可将检查点时间线和克隆操作图形化。下一步将加入内容感知网络控制和凭据保险库。
Google Cloud发布Open Knowledge Format (OKF)，一种供应商中立的Markdown规范，旨在让AI智能体获取经过策划的上下文知识。OKF采用bundle结构——包含YAML frontmatter的Markdown文件目录，每个概念只需指定type字段。该规范遵循三个核心设计原则，并附带参考实现工具。与传统的RAG（检索增强生成）不同，OKF强调知识的结构化与策划，而非纯向量检索。官方还提供了可运行的Python消费示例和交互式bundle探索工具。
中国国产大模型通过多模型动态路由（Fusion）技术，在推理时动态选择最佳模型以平衡性能与成本。混合智能体架构将多个模型组合成系统，进一步降低部署开销。这种策略优先考虑实际应用的成本效率，而非单纯追求原始基准分数。
Marvell 在 2026 台北国际电脑展提出通过光互连，把相隔数千公里的独立数据中心连接成统一资源池。其 Ara 1.6 Tb/s 系列互连方案采用 3nm DSP，Teralynx T100 交换机支持 102.4 Tb/s 或 512 个 200 Gb/s 端口。方案若落地，云服务商可动态调度多地算力、存储，提升资源利用率和 AI 业务弹性。
Anthropic在6月8日发布新版隐私政策，新增“验证数据”收集条款，次日推出Claude Fable 5，四天后美国政府实施出口禁令。政策明确可能要求Claude Free、Pro及Max用户提交年龄或身份证明，验证数据包括政府ID、面部照片/视频及面部几何模板。开发人员将首当其冲接受验证。
AMD宣布收购内存优化公司MEXT，其核心技术通过内存分层将不常访问数据从DRAM迁移至NAND闪存。单位闪存成本远低于DRAM，能在不大幅增加主内存投入下扩大可用内存池。MEXT的预测性内存引擎借助AI模型分析访问模式，在应用请求前将数据从闪存迁回DRAM。这项技术有助于提高服务器内存利用率并降低总体拥有成本。
论文提出ASSAY框架，通过随机遮蔽测量技能库中每个技能的因果贡献，发现个体技能对某些任务类型有帮助但对其他任务有害，全局筛选效果欠佳。ASSAY在AppWorld和tau-bench两个基准上，对DeepSeek-V3、GPT-4.1等7个基础模型进行测试。在AppWorld最难分岔上，DeepSeek-V3达到69.3%任务目标完成率，相对提升47.4%，超越所有已发表方法包括权重微调方法。在tau-bench零售环境中，GPT-4.1相对提升8.7%，超越o4-mini、o1和GPT-4.5。消融实验表明主要增益来自推理时按任务遮蔽技能，而非全局移除坏技能。
这篇论文揭示了对快速响应（RR）框架的投毒攻击方法，RR框架部署于生产系统（如Anthropic的ASL-3安全防护），用于持续改进越狱检测分类器。攻击者通过在越狱样本中注入提示词，可以渗透训练管道，实现两种攻击目标：第一种是针对性投毒，在无害样本上制造假阳性（分类为越狱），特定特征（如格式、主题、关键词）可触发。第二种是基于概念的后门攻击，在存在后门触发器的越狱输入上诱导假阴性，甚至能泛化到防御方已训练过的攻击策略。论文提出的Omission Attack利用了一个新现象：训练时缺少特定概念的unsafe样本，会导致分类器将该概念的出现与safe标签错误关联。在仅1%的投毒率下，两种攻击分别实现高达100%的假阳性率和96%的假阴性率。
研究者标注313个MedAlign EHR问答对的四层跃点分类，评估301个问题。三个模型（Claude Sonnet 4-6、GPT-4o、GPT-5.4-2026-03-05）准确率随跃点增加单调下降：Claude从30.6%（hop=1）降至17.6%（hop=4），GPT-4o从37.8%降至14.7%，GPT-5.4从37.8%降至23.5%。上下文充分性审计显示高跃点问题并未因EHR截断而更差，准确率下降源于推理难度。扩展思考未明显缓解精度-深度曲线，思考token使用量与跃点正相关（r=0.31）。
本文提出 Exact Posterior Score (EPS) 方法，针对线性高斯逆问题推导出后验分数的闭式解。该方法在一般高斯插值下，将后验采样转化为特定算子依赖的平移点下的各向异性噪声去噪问题。EPS 可从头训练或从预训练去噪器微调，推理时使用与基础模型相同的采样器，无需似然梯度或投影。在 FFHQ 和 ImageNet 上的五个线性逆问题中，EPS 在保真度、感知和分布指标上优于无训练和基于训练的方法，且去噪器评估次数比基于梯度的后验采样器少约一个数量级。
论文提出决策加权流匹配（DW-FM）框架，通过重加权速度回归目标对齐下游决策遗憾。理论证明通过损失诱导的决策差异和伴随传输论证，下界遗憾可关联到路径速度不匹配。在合成投资组合、半真实金融和交通CVaR三个基准上，DW-FM相比标准流匹配显著降低下游遗憾。
AWS博客介绍了Strands Evals工具，用于检测AI Agent执行中的失败并定位根因。调用detector函数后，输出包含分类失败类型与置信度分数、从根因到下游症状的因果链，以及修复建议（指定修改系统提示还是工具定义）。该工具可集成到评估流程中，实现每个测试运行的自动诊断。
Faros AI、CodeRabbit、GitClear、GitHub 四份数据一致显示：AI 生成代码使代码产出约 4 倍，但交付价值仅 +10%，代码 churn 增长 861%、缺陷率从 9% 升至 54%。零 review 合并的 PR 增加 31%，review 时长上升 441%。Addy Osmani 提出以爆炸半径、代码寿命、理解者数量三个变量决定 review 策略。实证 146 个 PR 中，93.4% 的问题位置只被单一工具发现，四个工具从未同时标记同一行。人的角色应从逐行审查变为 triage 与 merge 决策，按风险分层、upfront triage、小 PR、先读 test diff 等六条可执行规则构成新体系。
在运行大规模上下文智能体时，Qwen 3.5和Nemotron Ultra等混合模型面临Gated-DeltaNet/Mamba状态的瓶颈。一个简单洞察是加载状态并计算但不存储，可使速度提升2倍。该重计算技巧最终解锁了状态空间模型（SSM）的推测解码（spec decoding）功能。
本教程基于Docling Parse工具，演示了如何从PDF文档中提取布局感知的结构化数据。首先设置Python环境并解决Colab依赖问题，生成包含文本、列、表格、矢量和嵌入图片的多页PDF。然后提取单词、字符、行及其页面坐标，渲染可视化覆盖层。最终将结果保存为JSON和CSV格式，支持阅读顺序重建和检索准备。
开发者@0x0SojalSec 绕过苹果M4神经网络引擎的软件限制，通过逆向工程使用自定义MIL（模型中间语言）直接与芯片通信，没有调用Core ML、Metal或GPU。训练数据全程放在RAM中运行，不写入NAND闪存，速度更快。解锁后M4在iPad或Mac上可达到15.8TFLOPS的AI处理性能，用于训练模型。目前自定义MIL能否用于更新的Apple Silicon尚不明确。