GRASP：面向世界模型的基于梯度的长时程规划器
伯克利 AI 研究团队提出 GRASP，一种面向学习型世界模型的基于梯度的规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让长时程规划变得可行。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型带来的脆弱"状态-输入"梯度问题。
#训练
Berkeley AI ResearchAI 评分4040
PEFT ReleasesAI 评分2828 PEFT v0.19.0 发布：新增 9 种 PEFT 方法
PEFT 发布 v0.19.0，一次性新增 GraLoRA、BD-LoRA、Cartridges、PVeRA、PSOFT、Lily、PEANuT、TinyLoRA、AdaMSS 共 9 种 PEFT 方法。
Axolotl ReleasesAI 评分2222 Axolotl v0.16.1 发布，新增 Gemma 4 支持
Axolotl 发布 v0.16.1，新增对 Gemma 4 的支持，并附带示例 YAML 配置。该版本自 v0.16.0 以来共合并 356 个提交，完整变更可通过 v0.16.0...v0.16.1 对比查看。
Axolotl ReleasesAI 评分3434 Axolotl v0.16.0 发布：异步 GRPO 训练提速 58%
Axolotl 发布 v0.16.0，新增异步 GRPO 强化学习训练，集成 vLLM 并支持 LoRA 权重同步与 FP8，在 Qwen2-0.5B 上步时从 3.79s 降至 1.59s，提速 58%。
Axolotl ReleasesAI 评分2222 Axolotl v0.15.0 发布：新增 GLM、Qwen3.5 支持与 MoE 专家量化
Axolotl 发布 v0.15.0，新增 GLM、Qwen3.5 及 Qwen3.5 MoE 模型支持，并引入 SonicMoE 内核与 ScatterMoE LoRA。
Axolotl ReleasesAI 评分3434 Axolotl v0.14.0 发布：迁移至 Transformers v5，加速 MoE 训练
Axolotl 发布 v0.14.0，将底层 transformers 依赖从 v4 升级到 v5，并新增 MoE 内核选择（batched_mm、grouped_mm）及 scattermoe 自定义集成，显著提升 MoE 模型训练速度并降低显存占用。
Berkeley AI ResearchAI 评分3030 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI Research 提出一套基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，并在 NeurIPS 2025 论文中验证。该指标在彩色摄影、射电天文、无镜头成像和显微成像四个领域均能预测解码器性能，优化后设计可媲美端到端方法，且内存与算力需求更低、无需任务专用解码器。
LLaMA-Factory ReleasesAI 评分2222 LLaMA-Factory 更名 LlamaFactory 并发布 v0.9.4：告别 2025
LlamaFactory 发布 v0.9.4，仓库名从 LLaMA-Factory 改为 LlamaFactory，弃用 Python 3.9–3.10、要求 3.11–3.13，并从 pip 迁移到 uv 安装。
PEFT ReleasesAI 评分3434 PEFT 0.18.0 发布：新增 RoAd、ALoRA、Arrow、WaveFT、DeLoRA、OSF 等方法
PEFT 发布 0.18.0，新增 RoAd、ALoRA、Arrow、WaveFT、DeLoRA、OSF 六种微调方法。RoAd 通过逐元素乘法学习 2D 旋转矩阵，是除 LoRA 外唯一支持混合 adapter 批次的 PEFT 方法；ALoRA 可按 token 序列选择性启用 LoRA 并复用 KV cache。