Theoria 是一种验证架构，将候选解答重写为一系列类型化状态转换，每步转换需提供明确理由（引用、计算或给定事实），且可独立审计。在 HLE-Verified Gold（185 道文本专家题）上，Theoria 认证了 105 题，严格精度达 91.4%（Wilson 95% CI [84.5%, 95.4%]）。与整体 LLM 评判者相比，两者错误分布差异大（Jaccard 0.14-0.36），可互补。在 95 个对抗性有毒证明上，结构评判者捕获 94.7%，高于整体评判的 83.2%（p=0.0017）。在 GPQA Diamond（n=65）上，认证精度为 97.1%。
美团LongCat-2.0是1.6T参数的MoE模型，每个token激活约48B参数，原生支持1M上下文。该模型采用LSA稀疏注意力和零计算专家架构，动态激活33B-56B参数。它设计了MOPD机制，包含Agent、Reasoning、Interaction三类专家组，按任务路由。在SWE-bench Pro上获得59.5分，与主流闭源模型相当。定价为输入缓存/输入/输出每百万tokens分别0.015/0.75/2.95美元。
DeepSeek 的 DSpark 投机解码技术现已原生集成到 vLLM 推理框架中。DSpark 是一种半自回归草稿模型，通过非因果滑动窗口注意力并行生成多个 token，单次验证即可保持输出一致，减少解码步数。在 NVIDIA 8×B300 GPU 上，DeepSeek-V4-Pro-DSpark 在 batch size 1 时达到约 250 tokens/s，平均接受长度约 5，且在不同草稿深度下比 MTP 方法接受率高 12-42%。vLLM 通过复用 SparseMLA 后端、捕获完整草稿主干和采样循环到单一 CUDA graph，并支持前缀缓存和 FP8 KV cache。
Laguna XS 2.1是poolside推出的33B总参数MoE模型，专为agentic coding和长时任务设计，已获SGLang Day-0支持。模型采用混合SWA+全局注意力（40层中3:1比例）与sigmoid门控，支持FP8 KV缓存和262K上下文，可在36GB RAM的Mac上运行。在SWE-bench Verified上达到70.9%，SWE-bench Multilingual相比XS 2提升5.4%。
FurnitureVLA是首个系统研究真实尺度双手机器人家具组装的工作，使用Vision-Language-Action模型（VLA）。该工作形式化了任务，开发了可扩展仿真管道，并通过VR遥操作收集高质量真实世界演示。模型可处理多达7个子任务和1550控制步骤的极长程组装，通过预测连续进度信号实现自动子任务转换。在三种家具类型上，FurnitureVLA将平均仿真成功率从48%提升到80%，设计因素研究额外带来21%增益。在真实Kinova Gen3平台上，最难任务仅有16%的性能下降。
browser-use 团队推出开源 Skill「video-use」，面向 Codex、Claude Code 等 AI Coding Agents。核心思路是让 LLM 读取由 ElevenLabs Scribe 转写的约 12KB 文本（含逐词时间戳、说话人分离、音频事件标记）来理解视频，仅在决策点调用 timeline_view.py 生成胶片帧+波形+字幕的 PNG 复合图。技术流水线包含 Transcribe→Pack→Reason→EDL→Render→Self-Eval 六个环节，剪辑基于 ffmpeg 分段提取与无损拼接。项目总结 12 条硬规则，涵盖字幕最后叠加、30ms 淡入淡出、PTS 时移等关键细节。
Simon Willison 发布了 llm-coding-agent 0.1a0，一个基于其 LLM 库演化的代理框架的编码代理工具。它实现了类似 Claude Code 的代理功能，包含编辑文件、执行命令、搜索文件等 5 种工具。可通过 uvx --prerelease=allow --with llm-coding-agent llm code 命令运行，也提供了 Python API，如 CodingAgent(model="gpt-5.5", root="/path").run()。该工具由 Fable 5 实验驱动，README 列出了 llm code --yolo 等使用模式。
Vercel 推出 AI Gateway 路由规则功能，允许用户通过 CLI 动态重写模型路由，例如将废弃的 anthropic/claude-fable-5 重定向到 anthropic/claude-opus-5。该功能解决了模型频繁退役（如 Fable 突然下线）对生产工作负载的影响，无需重新部署应用或智能体即可切换模型。Vercel 数据显示仍有大量流量依赖旧模型版本，路由规则可自动重定向丢失的 token 请求，避免收入损失。
尽管有报道称中国80%的数据中心处于闲置状态，但AI算力领域面临结构性错配：纸面算力容量远高于有效可用容量。实际部署中，大量算力因网络带宽、能耗配额、硬件兼容性等因素无法被AI训练任务有效调用。这种错配导致一方面数据中心空转，另一方面AI企业仍面临算力紧俏的局面。
7月2日，美团内部下发通知，要求所有业务团队停止使用豆包大模型，并规划迁移至自研LongCat及DeepSeek等模型，无法迁移需提交原因经单独审批。今年4月，美团已限制阿里云Qwen模型使用，需X3级别审批。LongCat是美团2023年启动研发的大语言模型，最新LongCat-2.0为万亿参数模型（总参数1.6T，平均激活约48B），预训练数据超30T tokens，原生支持1M上下文。该模型基于五万卡国产算力集群训练，已对外开源。
OXMIQ Labs由知名GPU架构师Raja Koduri创立，宣布完成3500万美元A轮融资，总融资额达6000万美元。本轮由Fundomo和三星Samsung Catalyst Fund领投，联发科技追投，英特尔资本等跟投。该公司旨在重构GPU栈，核心OxCore IP整合标量、矢量、张量单元，专为近内存计算设计，已完成FPGA原型。其软件栈OxCapsule和OxPython支持现有CUDA和PyTorch代码在OxCore上直接运行，实现推理优化。
Anthropic已启动自研AI芯片的早期工作，并与三星洽谈制造。此举紧随OpenAI在九个月内与博通合作推出推理芯片之后。自研芯片能让实验室更严格控制推理成本，并根据自身模型架构定制，而非依赖英伟达的通用硬件。对创作者而言，未来可能带来更便宜或更快的输出生成，但初期效益可能仅限于实验室内部服务。
伦敦自动驾驶初创公司 Wayve 已获得 28 亿美元（约 190.43 亿元）投资，投资者包括英伟达、奔驰和日产。Wayve 采用端到端机器学习技术，兼容多种传感器和 AI 芯片，不同于特斯拉仅依赖摄像头的方案。该公司已在东京、斯图加特、温哥华建立业务基地，并在全球数百座城市完成测试。其目标是向任何品牌的任何车型授权技术，实现完全自动驾驶。
组合优化问题因可验证的离散结构导致指数级搜索空间。该研究提出神经证书定价（NCP），在无监督学习框架下训练神经网络预测证书级对偶价格，并通过结构恢复层构建原始边际。满足证书一致性条件时，恢复的边际全局可行，且一阶预测误差仅引起目标值的二阶损失。在三个组合优化问题类别上，NCP大幅超越或匹配现有最优神经基线，同时计算时间显著减少，且分布外泛化能力更强。
本文提出GPUSLS-LEO方法，为非线性与神经网络动力学系统的线性时变（LTV）近似提供紧致、可微、GPU并行的线性化误差界（LEBs）。针对解析动力学，引入基于路径的Hessian界，比标准区间方法更紧；针对神经网络动力学，通过NN验证器生成的仿射松弛和局部雅可比修正导出认证LEBs。该方法在高达168维状态的非线性与神经网络动力学系统上，以67 Hz的速率在GPU上计算鲁棒控制策略，相比基线降低了求解时间和保守性，同时保持形式化保证和实时性能。
论文提出QuasiMoTTo，利用准蒙特卡洛（QMC）生成相关但边际分布正确的样本，替换传统的独立同分布（i.i.d.）采样，减少冗余。在四个推理基准上，QuasiMoTTo以25-47%更少的样本达到相同的pass@k准确率，甚至常饱和边际保持采样器的理论上限。应用于策略梯度强化学习（GRPO）时，QuasiMoTTo以50%更少的训练步骤匹配i.i.d.性能。研究者还开发了无偏bootstrap估计器以评估相关采样器的pass@k。
GAIA 是一种几何自适应积分自编码器，用于任意几何域上的偏微分方程正问题和反问题的算子学习。它通过将几何边界和内部场分布编码为几何令牌，并利用交叉注意力机制使积分变换核局部适应几何特征，无需重新训练或迭代优化。在 7 个 2D 和 3D 基准测试中，包括电机阻抗断层扫描（EIT）、光学断层扫描、变化几何上的 3D Darct 流以及机械零件泊松 BVP 基准（MCB），GAIA 在所有反问题和 BVP 任务上取得 SOTA。与次优方法相比，在机翼流重建任务中降低了 64% 的中位相对 L2 误差，在 EIT 上降低了 27%，且在 MCB 每个形状类别上超越所有基线。
AutoMem 框架将 LLM 的记忆管理视为可训练技能，通过两轮优化自动改进。第一轮由强 LLM 审查完整轨迹并迭代修改记忆结构（提示、文件模式、动作词汇）。第二轮从多个回合中识别出好的记忆决策，作为训练信号直接提升模型记忆熟练度。在三个程序化生成的长周期游戏（Crafter、MiniHack、NetHack）中，仅优化记忆（不修改任务动作行为）使基础 32B 开放权重模型性能提升约 2-4 倍，达到与 Claude Opus 4.5 和 Gemini 3.1 Pro Thinking 等前沿系统竞争的水平。
本教程介绍了在Amazon SageMaker AI上进行多轮强化学习（RL）训练的最佳实践。关键在于构建可信任的训练环境，并设置外部评估来验证模型表现。需要设计一个与最终任务对齐的奖励函数，同时管理好智能体在多轮运行中产生的变化。通过监控特定指标，可以判断何时需要迭代优化。
该教程使用RAG-Anything在Google Colab中搭建多模态检索工作流。用户输入OpenAI API密钥后，生成含图表和PDF的合成报告，转换为content_list格式并注入检索系统。配置OpenAI chat/vision/embedding函数后，测试naive、local、global和hybrid四种检索模式。全流程覆盖文本、表格、方程和图像四类内容。
Shao Meng 将 LLM 交互分为三阶段：网页聊天机器人、独立 AI 应用、组织内嵌式 AI（如 Claude Tag 和 Glean Agents）。Claude Tag 让团队共享同一代理实例，实现从被动响应到持续参与的转变。Glean 提出生产级独立 Agent 的四个支柱：身份、记忆、主动性、问责制。以 OnCall Assistant 为例，Agent 可同时读取 PagerDuty、Jira、Confluence、GitHub、Slack，并行排查根因并起草修复。
作者Santiago演示了AI代理如何利用x402协议（Coinbase构建、Linux基金会治理）在Apify Store上搜索Actor。代理发送请求后，Actor返回HTTP 402“Payment Required”响应，代理自动从Base链上的USDC钱包授权支付。支付模式为按量付费，代理设置支出上限，剩余金额自动结算。整个过程无需API密钥、账户或信用卡，完全无人干预。
Geoffrey Litt 在 AIE 会议上提出“理解才能参与”观点，强调与编码智能体协作时需深入理解代码，避免认知负债。他指出开发者要跟踪智能体生成的变更，保持对项目代码的掌控，才能主动参与创造过程。该演讲是 AIE 300+ 个录制演讲之一，将在三周内放出，Litt 也在推特发布了线程版。