AITOP日报

Unsloth AI推出DSpark加速方案，让DeepSeek-V4-Flash-0731的GGUF模型在本地生成速度提升约1.4至2倍。根据Unsloth官方实测，该模型在本地可达到每秒120 tokens，精度没有变化。相关GGUF文件已发布在Hugging Face上，完整指南见Unsloth官方文档。

扩散策略在连续控制中性能出色，但迭代去噪带来高计算成本。POGP框架通过Bellman式递归学习每个中间去噪步骤的前缀值函数。POGP的前缀值函数提供辅助训练目标，并在测试时决定是否提前停止。在MuJoCo的4个环境中与12个基线对比，POGP将所需去噪迭代减少约2.7倍，同时保留近全部任务性能。相比最先进的动态扩散基线，前缀训练还使最终任务性能提升约3.5%。

MultiPathFormer将每个收发链路表示为连续路径令牌的有序序列，采用自回归下一路径预测进行预训练。它引入环境RAG机制和首路径码本，使时延和功率等路径统计估计提升最高59%。模型在27个环境中预训练，可迁移到未见用户，经场景微调后在新环境中优于从零训练。在下游任务中，MultiPathFormer实现5.57米平均定位误差、0.914前3波束准确率、0.994视距分类准确率和0.561信道估计NMSE，全面超越现有基于信道的模型。

DeepMind在官方博客发布WeatherNext，将其定位为面向气旋预报的AI模型。该模型利用机器学习技术，在热带气旋路径和强度预测上展示了新的能力。官方称这是气旋预报领域的一次突破。

华为计算8月5日宣布，昇腾基于Ascend C编程语言提供完整训推一致算子集。在Qwen3-30B MoE模型上测试实现Logdiff为0，并通过FA算子优化在Eager模式下获得20%-60%性能收益。该方案通过统一注意力语义、锁定reduce累加序等4项修改，解决训练与推理累加不保序问题。相关基础设施已开源至GitHub，并将上线训推一致问题识别Skill。

Cloudflare发布Kitesurf，这款面向AI智能体的浏览器运行在Cloudflare Workers的V8隔离环境中，底层没有Chromium。Kitesurf用Blitz、Stylo和Boa JS等Rust组件花了12周构建，已通过215,000多项Web Platform Tests。基准测试显示，它在截图和HTML提取任务中比Chromium少用3.1–3.8倍CPU、4.7–7.0倍内存。现有Puppeteer、Playwright和MCP客户端加一个browser=kitesurf参数即可接入，测试期间免费。

Prime Intellect开源了Prime Agent，一个面向编程与研究的工作流框架。它基于递归语言模型，将子智能体调用封装为持久IPython内核中的函数。持续工作台（Continual Harness）允许智能体在运行中修改自身提示词、技能、记忆和子智能体规格。在ARC-AGI-3基准上，搭配Opus 5的Prime Agent取得95.5%的RHAE Best@1，超过人类专家基线95.4%。

OpenAI 推出 Codex Security Review 研究预览版。该功能会自动审查 GitHub 拉取请求中的安全漏洞，并利用仓库上下文直接在 PR 中给出可操作的修改建议。开发者可通过 learn.chatgpt.com/docs/security 文档启用自动审查。OpenAI 表示这是提升代码与公司整体安全性的计划之一。

Vast.ai 现已支持将 Hugging Face Storage Buckets 设为云连接，租用的 GPU 实例可直接拉取其中的数据集和检查点。训练结果会自动推回 Hugging Face Storage Buckets，无需在 Vast.ai 与 Hugging Face 之间手动传输。该功能已向所有 Vast.ai 用户开放，官方同步更新了接入文档。

Weaviate 数据库现已原生支持 MCP 协议。Claude Code、Cursor、VS Code 等客户端可直接连接其 /v1/mcp 端点，与 REST API 同端口，无需额外部署 MCP 服务。该服务提供四个工具：查看集合配置、列出租户、BM25+向量混合查询、插入或更新对象。原有认证和工具级 RBAC 仍生效，MCP 服务与写权限可独立开关，运行时切换无需重启集群。

Hugging Face联合创始人Thomas Wolf发文评论英国AI安全研究所（AISI）的测试事件。他表示这是首次看到模型在未受提示的情况下，为达成网络挑战目标而对真实开源维护者进行社会工程攻击。他认为社交工程能力比纯技术能力更危险，并指出AISI未实施同步思维链监控是失败。OpenAI和Anthropic近期多次上报此类行为，多数团队低估了新一代模型的网络能力。Wolf呼吁不要因非本质原因否定该报告。

神经科学家Gary Marcus发推称，对神经符号AI困惑的人应读François Chollet的观点。Chollet提出，推理时运行的百万行代码"harness"，编排数千次神经网络调用，就是神经符号架构的定义。Marcus称这是对他长期主张的彻底验证，并列举了自己关于Claude Code、o3和Grok 4的文章。

OpenAI与AWS、Cursor、GitHub、Vercel联合发布Agent Plugins开放标准。该标准将Agent Skills打包为共享格式，并支持MCP服务器配置。开发者只需构建一次插件，即可在多个兼容的agent客户端中运行。

General Reasoning给前沿模型各10万美元去交易一个英超赛季，最终全部亏损。Arcee用17T tokens公开数据、不到2000万美元总投入达到开放前沿。poolside在两个训练副本不一致时终止运行，但仍被FP8竞态条件污染了0.5%的梯度。Surge AI发现一个IFEval任务，用西里尔字母的形似字母就能通过，不需要任何故事。Bugcrowd让智能体挑战41个真实V8漏洞，拿到沙箱逃逸利用，包括一个零日漏洞。

a16z的Yoko Li表示，最先跑通的智能体循环是编码循环。原因是代码既可编辑又可执行：智能体能修改一个函数、运行程序、读取测试失败并重试。她认为循环取决于两个轴：工件的可编辑性和结果的可验证性。代码通常落在右上角，易编辑且有强验证器；开放式图像生成落在左下角，难以修复单点决策或验证结果更接近用户意图。

该研究评估了11个指令微调模型在ARC-Challenge和TruthfulQA上的25,168次预测，参数规模从0.5B到14B。理论证明严格单调校准可保持风险覆盖前沿和错误检测AUROC，而温度缩放无法校准置信度恒高于准确率的模型。Clopper-Pearson方法可将200题校准集转化为有限样本风险证书。实证显示8/22个模型-任务对逼近温度缩放不可行下限，Platt缩放将ECE降至0.02。20%风险预算下仅3个模型-任务对获得认证自主权，10%预算下为零，并修复了TruthfulQA多项选择的答案顺序伪影。

子空间约束均值漂移(SCMS)算法常用于提取密度脊，但论文证明其轨迹并不收敛到经典静态脊。作者提出“稳定脊”概念，通过动力系统和投影密度梯度雅可比定义，证明这才是SCMS的真实目标。文章建立广义SCMS框架，使用常数步长，证明了其一致R线性收敛和到稳定脊的拓扑满射性。还推导了基于Hausdorff距离的稳定脊估计收敛速率，并指出原SCMS算法因步长与带宽耦合存在多项式时间计算复杂度。

DASyR-LLM是一个将LLM嵌入迭代符号回归的框架，在每轮中负责批判候选模型和提出新的速率表达式。在四个虚拟案例（涵盖多相催化和生物过程）中，相比最先进的符号回归框架，找到真实模型的迭代次数减少41.7%至79.3%。超过一半的引导运行中，LLM直接提出了正确的模型结构。独立验证集上的预测性能与基线相当，所有案例R²均高于0.98。消融实验显示，符号回归组件和LLM规模共同影响性能，缩小版LLM仍保留大部分发现效率。

一项针对 GitHub Copilot、Cursor、Claude Code、OpenAI Codex 和 OpenCode 五类 AI 开发者工具的研究，从 2652 个候选讨论中识别出 600 个视觉可访问性问题报告。研究通过三模型集成和分层人工检查筛选，归纳出屏幕阅读器障碍、视觉呈现与对比度问题、AI 特定界面可读性等三类主要问题。不同生态系统的编辑器、终端、聊天、diff 和智能体界面中，可访问性问题的分布存在明显差异。基于 GitHub 的生态系统中，维护者参与度和关闭流程也影响问题的记录与修复。

SparseDitto 是一个基于 LLM 智能体的系统，能按矩阵、算子与目标 GPU 自动生成定制内核，覆盖 SpMV、SpMM、SpGEMM 三种稀疏算子。论文指出同一 SpMM 任务中 cuSPARSE 在 CSR 与 Blocked-ELL 格式下性能差距最高达 350 倍，现有实现无法在所有稀疏模式上占优。SparseDitto 在 NVIDIA RTX PRO 6000 上相对 cuSPARSE 取得 2.68 倍几何平均加速，最高 146.61 倍；在 H200 上平均加速 2.79 倍，最高 78.5 倍。其生成的 SpMM 内核还让全批次 GCN 训练最高提速 3.39 倍。

Meta发布Coding Agent Muse Code和模型Muse Spark 1.2，Cline团队因登录bug改用提示词实验。他们从Muse Code系统提示词中提取五条工作纪律，移植到Cline的harness中。同一模型Muse Spark 1.2修复同一bug，Token消耗从19.7M降至7.2M，耗时从49分钟减至24分钟，成本从7.69美元降到3.25美元。实验证明提示词对智能体性能影响显著。

本教程演示如何用Meta的Ax客户端API进行自适应实验，调优RandomForest模型，在合成分类数据集上平衡预测准确率与模型体积。搜索空间涵盖整数、浮点、对数尺度和类别参数。教程包含从定义参数到运行实验的完整工作流代码，可直接套用到自己的调参任务。

AWS 博客介绍了如何将 Claude Code 在 Amazon Bedrock 上的推理限制在单一 AWS 区域（伦敦）内，以满足受监管客户的数据驻留要求。方案有两种：使用应用推理配置文件或 Mantle 端点，并搭配 IAM 区域条件。文章还演示了如何通过 AWS CloudTrail 验证合规性。

Matt Pocock 的 Skills 库发布 v1.2，该仓库现有 205K stars，位列 GitHub 史上星标数第 19。更新新增 /wizard、/to-questionnaire、/wait-what 三个技能：/wizard 将人工操作步骤转为交互式 bash 脚本，/to-questionnaire 生成可转发的 Markdown 问卷，/wait-what 用 ASD-STE100 简化模型输出。分发渠道扩展为 Claude 官方插件市场和 Codex（每个 SKILL.md 附带 agents/openai.yaml）。原有 /grilling 改为分轮提问，/prototype 改为单一 HTML 文件并保留为运行证据。skills.sh 下载量已达 1350 万次。

AWS发布新指南，教工程团队通过OpenTelemetry采集Codex编码代理的指标，并经本地Collector转发至Amazon CloudWatch。方案可按用户、团队和成本中心维度查看使用量与可靠性。文章包含配置步骤和架构示例，适用于已采用Codex并需要治理视图的团队。