UEmbed是首个解码器-only的多模态嵌入模型，能在一次前向传播中同时生成稀疏词级和稠密向量表示。该模型通过在输入后追加N个可学习特殊token，并将词表划分为N个不相交子集，实现两类嵌入的统一输出。UEmbed公开了2B、4B、9B三个规模版本，其中UEmbed-9B在MMEB-v2基准上达到稠密71.8、稀疏71.0的成绩，优于同训练数据规模的多模态嵌入模型RzenEmbed。在BEIR基准上，UEmbed与强稀疏和稠密基线保持竞争力，并验证了在效率与智能体应用上的实用性。
LongCat Sparse Attention（LSA）提出流式感知索引、跨层索引和分层索引三种策略，解决DeepSeek Sparse Attention的O(L^2)计算开销和内存访问不连续问题。LSA在69B-A3B到560B-A27B规模模型上，与全注意力性能持平。LSA支持原生训练最长100万token的上下文，并支撑LongCat-2.0（1.6T-A48B）的开发。团队开源了LongCat-Flash-Lite-Sparse（69B-A3B）。
DyFrDet 是一个专为小目标检测设计的新模型，提出动态频域感知特征金字塔网络（DyFrFPN）来压制背景干扰。动态频带预测器（DBP）可自适应抑制低频冗余和过度高频噪声。标签消歧模块（LDM）通过概率分布显式建模标签歧义，改善低分辨率小目标的定位精度。论文已在 arXiv 公开（编号 2608.02495v1），代码发布于 GitHub。
Cursor Research开源了MoK，这是支撑Composer模型的MoE训练内核。MoK将专家混合的全部通信与计算融合进单个确定性内核。在GB300 NVL72机架上，MoK比最强公开基线快2.37倍。它需要Blackwell SM100或SM103 GPU，没有NVL72算力的用户无法使用。
微软研究院发布PRISM2，一个在病理图像和真实病理报告上训练的多模态基础模型。它通过简单的问答交互，在多个基准任务上达到与专用癌症检测系统相当的水平。PRISM2不需要为每个任务单独训练一个模型。这种训练方式让AI从临床对话中直接学习病理知识。
Cursor AI 开源了 Mixture-of-Kittens (MoK) 训练内核。该内核面向 NVIDIA NVL72 平台，将全部 MoE 通信与计算融合为单个确定性内核。相比最强公开基线，MoK 的训练速度最高可提升 2.37 倍。开发者现在可以获得完整代码并用于自己的训练任务。
一篇外部拆解文章梳理了 ChatGPT Work 中 Memory、Proactivity、Scheduling 等模块的运作机制。它还分析了 Browser Use 与 Plugins、Skills、Tools 之间的协作方式。这个产品被描述为面向十亿用户的智能体功能集合。
LangChain 发布 OpenWiki v0.3，重写了代码初始化提示词。新版本在评估中任务成功率从 35% 提升至 45%，增幅 28.57%（n=2）。每次成功任务平均减少 14% token 消耗和 26% 工具调用。新版生成的 wiki 覆盖更多代码库内容，已在 GitHub 开放本地使用，可通过 npm 安装 openwiki@0.3.0。
LangChain宣布为其开源框架Deep Agents、LangGraph和LangChain新增韧性能力。这些功能允许智能体重试被中断的任务，并沿安全恢复路径继续执行。智能体可从已保存状态恢复，而无需从头开始。当主要模型不可用时，系统会自动回退到备选模型。此外，Open Secure AI Alliance已拥有超120个成员，并提出了SAFE指南草案。
Milvus 3.0 引入 Collection Snapshot，通过引用现有数据文件、索引文件和元数据，在不复制完整数据集的情况下创建集合在特定时间点的只读视图。基于 Spark DataSource V2 的 Spark 连接器允许 Spark、Databricks 和 Amazon EMR 直接读写 Milvus。团队可用快照进行模型迁移、embedding 重新生成、schema 变更、回填、评估、去重和隔离测试。快照可作为逻辑恢复点，但不能替代备份，长期保留仍需独立备份。
Linux 内核维护者 Greg Kroah-Hartman 宣布，drivers/staging/ 暂存区不再接受 AI 模型生成的补丁，但真实有效的安全漏洞修复除外。暂存区是新手学习内核开发流程的入口，用 AI 自动改代码会违背培养新人的初衷。Greg 警告说，LLM 补丁很容易被识别，不披露使用情况也无法蒙混过关。他认为目前最好的 AI 工具生成的结果中至少有三分之一完全错误或有害，提交者必须先在实际硬件上测试并说明测试过程。在 Linux 内核其他区域，AI 生成代码并未被全面禁止，Linus Torvalds 曾表示 AI 只是工具。
Anthropic与Volta Infra Holdings签下100亿美元算力协议。Volta是一家成立仅数月的云初创公司。这家公司在六个月前还不存在。交易规模达到100亿美元。
Waymo 联席 CEO 多尔戈夫在 Y Combinator 活动上表示，仅靠摄像头的“弱感知”方案安全性会过早触及瓶颈，无法达到超越人类驾驶所需的可靠性。Waymo 基于 2.2 亿英里无人驾驶经验，采用摄像头、激光雷达和毫米波雷达融合方案，强调各传感器互补而非冗余。他举例凤凰城沙尘暴、夜间翻越隔离护栏等场景，激光雷达仍能识别而摄像头失效。他还指出，自动驾驶可靠性每增加一个“9”，工程难度约提升 10 倍。目前 Waymo 每周完成约 50 万次付费出行，而特斯拉 Robotaxi 上线一年累计无人驾驶里程约 38 万英里。
据IT之家引述韩国尤金投资与证券及TrendForce分析，NVIDIA正在评估下调明年Rubin Ultra AI GPU的HBM配置。可能的方案包括从HBM4E降至HBM4，或从12Hi HBM降至8Hi HBM，原因是三大DRAM原厂的HBM4E验证进度存在变量。等量HBM DRAM Die下，降低堆叠层数可产出更多HBM堆栈，在供应总量受限时支撑更多Rubin Ultra出货。TrendForce认为Rubin Ultra主要升级在I/O速率，因此更可能选择降低堆叠层数而非换代HBM4E。类似降配策略此前也出现在Vera CPU的LPDDR5X SOCAMM2上。
Open Secure AI Alliance 现有超过120个成员，Hugging Face 与 NVIDIA 均参与其中。该联盟发布新的开源安全贡献，包括拟议的 SAFE 指南。SAFE 指南旨在把机密的事件调查结果转化为跨生态系统的防护措施，改进审查、披露与管控流程。
基于线性时序逻辑(LTL)和有限自动机(FSA)的运行时监控器用于拦截LLM智能体的不安全工具调用序列。研究发现同一监控器在GPT类和DeepSeek后端上攻击覆盖率约68-75%，在Gemini变体上仅6-13%。攻击分布的Shannon熵差异解释了这一差距：GPT类集中（H≈0.24比特，单个模式覆盖96%），Gemini分散（H≈2.81比特，7个簇各≤7%）。熵对覆盖率变异解释率为76%（Pearson r=-0.87，p=0.005），留一法验证r在[-0.91,-0.82]。论文提出部署前熵测试，可从小样本攻击数据预测监控覆盖率。
arXiv论文构造了两个可数离散群Γ1和Γ2，二者均为ICC群且具有Kazhdan性质(T)，但两群不同构。它们的群von Neumann代数却同构，即L(Γ1)≅L(Γ2)。该结果构成Connes刚性猜想在ICC性质(T)群情形下的反例。论文注明该结果由GPT-5.6 Sol辅助获得，并与OpenAI的工作独立且同时完成。
一篇arXiv论文首次对LLM上下文压缩进行形式化分析。作者提出两个博弈框架：Context Selection Game和Context Generation Game，分别对应子集保留和摘要生成两种压缩策略。论文证明Context Generation Game与单向通信复杂度等价，压缩预算等于同一误差下的单向通信复杂度。还证明存在一组查询，生成式压缩比选择式压缩需要更少预算。案例研究评估了Anthropic上下文压缩端点在一组集合成员查询上的表现。
论文提出PRECOG，把语料库离线预编码为SSM隐藏状态，查询时将最优状态直接注入，省去RAG的上下文重新读取。在带192KB隐藏状态的1.2B参数TENNs-LLM上，PRECOG将prefill延迟从约27秒降到6毫秒以下，约4500倍加速，并保持与上下文RAG相当的答案质量。配套的SMC用认知域聚类构建层级持久记忆，支持保真度/存储调节和O(1)会话初始化。该机制依赖SSM固定长度、与位置无关的循环状态，Transformer的KV缓存因位置纠缠且随上下文线性增长而无法实现。
arXiv:2608.02588 的论文证明了稀疏最小二乘问题的一个条件数下界：在随机化精确体积小集扩张假设（Small-Set Expansion Hypothesis）下，对任意固定的 γ∈(0,1]，不存在多项式时间随机算法能以至少 2/3 概率返回满足误差不超过最优值加 ε、且稀疏度 s=O(k·κ_{s+k}^{1-γ}) 的解。该结果甚至对有理数实例、A 为列满秩时也成立。作者表示，证明最初由 Google 内部开发的基于 Gemini 的自动化智能体系统完成，随后由人工验证并整理。
Cloudflare 工程师用 GitHub Actions 跑隔离的 AI 子代理，替代人工验证 issue，把 Astro 的未关闭 issue 数削了 85%。这套自动化流水线覆盖 bug 复现、补丁验证和预览发布三个阶段。文章拆解了子代理如何隔离运行、如何与仓库交互，以及为什么选择这种架构。
本教程演示如何用NVIDIA SkillSpector和LangGraph搭建AI代理技能的安全审计流水线。流程先构造一个合成技能市场，再扫描恶意提示注入、凭证访问和危险依赖。你可以自定义YARA规则，配置基线豁免，并把SARIF结果接入CI部署门禁。整个方案面向AI技能供应链的自动化安全检查。
thebuggeddev 用 Vibe Coding 方法搭建了一个 3D 人体解剖学习网站：先用 GPT Image 2.0 生成器官图片，再用 Tripo AI 转成 3D 模型，最后交给 Codex 写主提示词完成网站。初版每个 3D 模型约 120-150 MB，网页帧率只有 16fps；经过 Codex 多轮优化，模型降至 2-5.5 MB，总资源从约 900 MB 减到 28.6 MB，并按需加载。Codex 还自动生成了器官位置插图和交互热点标注。作者表示受 DilumSanjaya 的 3D 动植物细胞项目启发，并打算用同样方法给 7 岁的儿子做宇宙星球互动展示网站。
Cloudflare 创建了 Codex，一个由 AI 代理在开发生命周期中消费的治理工程标准体系。它将结构化 RFC 与代理审查结合，让团队在代码、规格说明和事件报告中自动执行一致性标准。这套机制帮助工程组织减少人工核对环节，让规范落地更统一。
Cloudflare 发布 CI SDK，可在其平台上用 TypeScript 构建可定制的沙箱化 CI/CD 流水线。该流水线使用 Workflows 和 Artifacts 替代传统 YAML 配置，把复杂逻辑拆分为可编程步骤。方案面向数百万个仓库的批量运行场景，并配有自愈 AI 代理自动处理失败任务。