AITOP日报

DSpark是一种新型投机解码框架，通过半自回归架构（并行骨干网络+轻量级顺序模块）保持草稿质量，缓解后缀衰减。它采用置信度调度验证，根据前缀存活概率和引擎吞吐量动态调整每轮验证长度。在离线多领域基准测试中，DSpark的接受长度显著优于现有自回归和平行草稿器。在DeepSeek-V4服务系统的真实用户流量下，相比生产基线MTP-1，DSpark在维持吞吐量不变时单用户生成速度提升60%至85%。DSpark还通过防止高并发下吞吐量严重退化，使服务系统达到了此前无法实现的性能层级。

Liquid AI开源了Antidoom方法，通过Final Token Preference Optimization（FTPO）技术定位并重训推理模型中导致循环的起始token。在LFM2.5-2.6B模型上，doom-loop率从10.2%降至1.4%；在Qwen3.5-4B上，从22.9%降至1%。所有代码包括生成、检测和训练器都已开源。

Meta 超级智能实验室推出首款媒体生成模型 Muse Image 和 Muse Video。Muse Image 能忠实遵循指令、精确编辑、从多个参考合成图像，并利用 Instagram 社交上下文。它集成了智能体工具能力，与 Muse Spark 配合，可在 Meta AI 应用、网页、Instagram Stories 和 WhatsApp 中试用。Muse Video 基于相同预训练基础，支持原生音频并实现高视觉保真度。

腾讯Hy团队发布Hy3，一个总参数量295B的混合专家（MoE）模型，每个token仅激活21B参数。Hy3在SWE-Bench Verified上取得78.0分，报告更低的幻觉率，并支持256K上下文窗口。该模型以Apache 2.0许可证开源，可在OpenRouter上免费试用至2026年7月21日。

Anthropic 发布 Claude Sonnet 5 (Thinking)，在 Agent Arena 排行榜上排名第6。该基准测试基于全球用户的数百万个真实长程智能体任务。模型可调用网络搜索、文件系统和终端等工具完成复杂工作流。Claude Sonnet 5 在任务成功率、用户满意度及 bash 能力上表现最强，工具幻觉率保持稳定。其可操控性分数置信区间较宽，仍在稳定中。

Google DeepMind 在 Gemini API 的 Managed Agents 中推出4项新能力：后台执行支持长时间任务异步运行（`background: true`）、远程MCP服务器连接内部端点、结合服务器端代码执行与本地自定义函数调用、以及跨轮次刷新 API 令牌无需重置沙箱状态。这些更新旨在将代理从交互式聊天机器人转变为真正的后台团队成员。

sqlite-utils 4.0 是该项目自2020年11月3.0以来的首个大版本，也是第124个版本。新增数据库迁移功能，允许用Python文件定义迁移序列，并通过_sqlite_migrations表跟踪已应用迁移。内置table.transform()方法模拟SQLite不支持的ALTER TABLE操作（创建临时表、复制数据、重命名）。还引入了嵌套事务（db.atomic()方法）和复合外键支持。

Milvus 的 Force Merge Compaction 功能可将多个密封段合并为单个，减少查询时的扇出开销。在 1M 向量 HNSW 集合的基准测试中，QPS 从约 3,000 升至 5,400-5,800（约 1.8 倍），p99 延迟降低约三分之一。该功能适用于数据写入稳定后的批量合并，现处于公开预览阶段。

deepagents 是 LangChain 新开源的、模型无关的智能体框架（harness）。LangChain Academy 随之推出《Introduction to Deep Agents》课程，系统讲解 harness 概念及其4大核心能力。课程指导用户使用 deepagents 构建智能体，并利用 LangSmith 进行追踪与部署。开源项目地址已在Twitter公布。

AI推理成本急剧下降：GPT-4级能力从2023年初每百万token约30美元降至目前低于1美元，部分供应商甚至低于0.10美元。每年推理价格下降9至900倍，中位数约50倍。低成本智能已能满足绝大多数知识工作，催生数据系统三大方向：为智能体设计数据系统、由智能体组成的数据系统、由智能体构建数据系统。

广州AIFU Semiconductor计划到2026年7月将BAW滤波器芯片年产能提升至10亿颗，采用自主单晶氮化铝技术。该芯片用于5G射频前端，打破Broadcom和Qorvo在高端BAW滤波器市场的长期垄断。AIFU的产能扩增将显著降低国内5G手机厂商对进口射频芯片的依赖。

DeepSeek 正在自研专用于推理的 AI 芯片，该项目已进行约一年。公司已私下招募芯片设计师，并与合作伙伴沟通，同时仍在使用 Nvidia 和华为的芯片来运行 R1 等模型。美国对先进芯片的出口管制是推动包括 DeepSeek 在内的多家实验室自研芯片的直接原因。不过芯片研发周期长达数年，且会面临与其他厂商相同的制造瓶颈。

论文审计了LLM作为进化引擎在科学方程发现中的效果，发现父代条件进化与独立采样无显著差异：中位OOD NMSE分别为0.045和0.049。新方法PTB-Search仅需一次LLM采样，通过集合级稀疏选择在717个测试中解决165-169个，而单术语方法仅74-78个。在239个问题的LLM-SRBench上，PTB-Search用Llama-3.1-8B达到73.2% Acc0.1，用DeepSeek-V4达到77.0%，是最好基线（49.2%）的1.5倍以上，且调用预算仅十分之一。

论文提出Graph Sparse Sampling (GSS)在线规划算法，通过共享采样未来来避免树形搜索的指数级分支。GSS利用大GPU友好批量和启发式聚焦计算。在离散或连续动作空间下，证明了有限样本性能保证，其复杂度对规划视界呈多项式依赖。连续控制模拟中，GSS在长视界任务上显著优于基于树的规划器，或达到近最优性能。

该研究提出了首个多人世界模型，适用于Rocket League等动态物理环境。模型使用5B参数潜扩散架构，在单张Nvidia B200 GPU上以20fps实时生成4人比赛。训练数据为10,000小时游戏回放，模型在5分钟评估窗口内保持分布质量稳定，实际可稳定运行数小时。研究者系统分析了视频编解码器、生成目标和多人条件方案等设计选择。

本文提出SearchGen-20K数据集和SearchGen-Bench基准，包含20,839条提示，覆盖12类失败模式和22个领域。在SearchGen-Bench上，前沿开放视觉生成模型得分仅21-28分（满分100），比现有基准低40分。作者发现朴素搜索无效，会引入噪声，并识别出生成器特有的知识边界，提出"先教后搜"协同训练框架，即使最小版本也带来单调改进。

TREK提出一种分阶段训练方法，解决GRPO在困难提示上的探索停滞问题。该方法先用蒸馏将教师模型（如DeepSeek-V4）的已验证轨迹拉入学生模型支持域，再返回标准GRPO精炼。在数学推理中，TREK将Qwen3-8B在AIME 2025上从36.9提升至40.3，在AIME 2024上从47.9提升至51.1（avg@16）。在代理任务上，ALFWorld成功率从75.8提高到82.8，ScienceWorld从12.5提高到26.7。TREK的泛化优势在于仅需已验证输出轨迹，可兼容黑盒或白盒教师。

Claude 官方将 Loop Engineering 分为四种类型：回合制循环（Single-turn Loop）、基于目标的循环（Goal-oriented Loop）、基于时间的循环（Time-based Loop）和主动循环（Active Loop）。回合制循环是 Claude Code 的基础工作方式，每次提示词为一个循环。Goal-oriented 模式（如 Codex、Claude Code）支持多轮迭代直到达成目标。Time-based Loop 使用 loop 命令按指定时间间隔自动触发提示词。Active Loop 通过事件（如 GitHub 新 Issue 或 PR）自动触发循环。官方建议优化代码库质量、管理 Token 消耗，并给循环设置明确启动和结束条件。

xAI SGLang负责人在23分钟演讲中详解如何在10万张GPU上部署Grok模型。他们通过拆分Prefill与Decode阶段，将MoE专家分片到不同GPU。采用按专家路由Token的方式让通信与计算重叠执行。最终以低于DeepSeek API的定价对外提供服务。

@EXM7777 总结出一套“可重做性测试”筛选标准：若明天可用更便宜模型重做则跳过，否则保留。该标准基于 Llama 时代用前沿模型蒸馏 5.2 万条答案训练小模型、成本不到 500 美元的历史案例。五个动作包括：重写 CLAUDE.md 植入判断力、做顾问式审计输出按预期回报排序的动作清单、在长链路研究上跑深度研究并原子化为 Obsidian 笔记、用 /goal 加动态工作流实现无人值守产出、安装“思考方式记录器”自动将每步推理留存为资产。其中记录器可自动复利，将剩余 Fable 时间转化为永久仓库笔记。

Claude Code 团队成员 @trq212 在 AI Engineer World's Fair 大会分享《A Field Guide to Fable》演讲，给出 8 个可直接使用的提示模式，按动手前、动手中、动手后组织，每个模式附带中英文示例 prompt。演讲披露 Claude Code 系统提示词最近被删减 80%，因为对新模型而言示例反而会束缚其表现，方向从「给约束」转向「给上下文」。