InfiLoop：用循环原生注意力残差将测试时迭代扩展至数万次
研究者提出循环原生残差连接 InfiLoop，让循环 Transformer 在迭代次数增长时不再性能退化，它通过内容加权与学习式时间衰减维护循环状态的持续摘要，并以精确流式递归保持聚合内存恒定。
#推理能力
Hugging Face Daily PapersAI 评分4242 Hugging Face Daily PapersAI 评分2626 LEGO：无需 lifting 的第三人称到第一人称视频生成方法
LEGO 提出一种无需 lifting 的第三人称到第一人称视频生成方法，用 LVSM 风格的 Transformer 直接渲染第一人称视角，省去深度估计、点云和重投影步骤。该合成器输出逐区域置信度，用于遮蔽低置信区域并在去噪早期引导生成器布局，性能持续优于现有显式流程，且无需重训练即可泛化到其他数据集。
Hugging Face Daily PapersAI 评分2626 SpatialOPSD：从已验证编码智能体轨迹中自蒸馏空间智能
SpatialOPSD 是一个 on-policy 自蒸馏框架，将空间编码智能体已验证的执行轨迹作为特权信息，把空间推理能力内化进独立 MLLM，使其无需外部工具即可运行。
Hugging Face Daily PapersAI 评分3636 SpaceCast-Bench：评估视觉语言模型的预测性空间推理能力
研究者推出 SpaceCast-Bench，首个直接诊断预测性空间推理的基准，基于 observe-transform-infer 框架，从 182 个真实场景构建 3,862 道题，覆盖静态感知、局部预测与全局预测三个层级共 16 种任务。
Hugging Face Daily PapersAI 评分3131 GPD：用路由式 3D 特权蒸馏提升视觉语言模型空间推理能力
针对视觉语言模型空间推理弱、RGB 输入缺乏几何证据的问题，研究者提出 GPD（Geometry-Privileged Distillation），将深度、语义和鸟瞰图（BEV）线索渲染为紧凑文本并按问题路由给教师模型，仅对错误轨迹施加特权 KL 以增强 GRPO，部署模型仍只用 RGB。
Hugging Face Daily Papers精选AI 评分6262 MiMo-V2.6：通过扩展强化学习走向自我改进
MiMo-V2.6 系列是一套全模态模型家族，通过扩展强化学习算力推进模型智能。其 RL 扩展沿三个方向进行：每步消耗 1,568 个样本、2.7-3.7B tokens，上下文长度最高 1M；环境覆盖代码、通用、视觉与网络领域；并采用分组式智能体评分提供更准确的奖励信号。团队冻结 MoE 路由器并建立多层防御以抑制奖励攻击，同时开源训练动态、RL 环境与 RL 框架。
推荐理由：报告公开了 MiMo-V2.6 的 RL 训练动态、环境与框架，可供研究大规模强化学习与自我改进的读者参考复现。
llama.cpp ReleasesAI 评分2222 llama.cpp b11513 发布：CUDA top-k 算法按形状选择，qwen4exp 上提速约 6 倍
llama.cpp 发布 b11513，为 CUDA 后端改进 top-k 算法选择：按形状在 bitonic、radix select 与 DeviceTopK/CUB argsort 之间切换，阈值可在构建时覆盖。
AWS Machine Learning Blog精选AI 评分7171 Claude Haiku 5.5 上线 AWS，成本较 Haiku 4.5 降低约 75%
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：AWS 官方给出 Haiku 5.5 的定位、成本变化与 Bedrock 接入方式，可据此判断它在多智能体分层中的分工。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队基于 Nemotron 3，用监督微调、强化学习和反馈驱动的推理流程，在 IOI 2026 和 IMO 2026 两项竞赛中均达到金牌水平。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可据此复现领域专家模型的训练与推理流程。
vLLM ReleasesAI 评分2828 vLLM v0.31.0 发布：DeepSeek-V4.1-Flash 性能优化与快速重启
vLLM 发布 v0.31.0，含 307 位贡献者的 717 个提交，重点优化 DeepSeek-V4.1-Flash：FlashMLA mega attention 搭配 NVFP4 压缩 KV cache 成为 SM100 默认配置。
Hugging Face Daily PapersAI 评分3131 MC-Sparse：弥合扩散 Transformer 中稠密与稀疏注意力的差距
针对扩散 Transformer 长序列生成中稀疏注意力导致质量下降的问题，研究者提出免训练框架 MC-Sparse，通过缓存查询分组、KV 索引与稠密-稀疏注意力残差并在去噪步骤间复用，实现更高保真度。在 Minimax-H3-Base 上取得 1.80 倍去噪加速，3D 资产生成上达 2.32 倍，质量损失可忽略。
Hugging Face Daily PapersAI 评分2222 LLM 能否理解序列结构？一项关于推理与生成的受控研究
一项受控研究用双人石头剪刀布和单人随机 n-gram 续写任务，测试 LLM 能否识别潜在策略、遵循简单马尔可夫规则并维持高阶条件依赖。结果显示更长的上下文并不能提升识别能力，正确识别也不保证忠实模拟，高阶依赖会显著削弱规则恢复，表面行为保真可能掩盖错误的生成机制。
SGLang ReleasesAI 评分3434 SGLang v0.5.21 发布：779 个 PR，新增 DeepSeek-V4.1、Kimi K3 等模型支持
SGLang 发布 v0.5.21，合并 227 位贡献者的 779 个 PR，新增 DeepSeek-V4.1 Flash、GigaChat 3.5、MiMo-V2.6、Qwen-Image 2.1、FLUX 3 Action 等模型支持。
NVIDIA Blog精选AI 评分7878 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 在 API 以及符合条件的 ChatGPT Work 和 Codex 用户中上线 GPT-6 Astra Ultrafast，该模式运行在 NVIDIA Blackwell GPU 上，token 生成速度最高可达 Astra Standard 模式的 8 倍。
推荐理由：原文给出 Ultrafast 模式相对标准模式的生成速度提升与开放入口，读者可据此判断它对编码智能体循环的实际影响。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方披露了 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界与获取门槛。
Google Developers BlogAI 评分2727 在 TPU 上加速视频扩散模型的时空注意力
Google 分享了在 TPU 上将视频扩散模型稀疏注意力理论转化为端到端加速的案例。81 帧 720p 视频的序列长度达 50K 至 400K，从 720p 升至 1440p 时序列长度翻两番，全注意力在单层延迟中占比可从 55.5% 升至 88.2%。
Unsloth ReleasesAI 评分4242 Unsloth 新增 Laya 决策模型支持与统一 Library
Unsloth 新增决策模型支持，可在本地运行 Laya（开源 Jev）回答是/否、多选和评分问题并输出概率，通过 Settings > API 启用 Decision API，支持 TypeSafe SDK 的 Jev 兼容 /v1/systemone 端点。
TensorRT-LLM ReleasesAI 评分1515 TensorRT-LLM v1.3.0rc29 发布：支持 Qwen3.5、Kimi K3 与 DeepSeek V4
TensorRT-LLM 发布 v1.3.0rc29，新增对 Qwen3.5 全局 FP8 权重、Kimi K3 NVFP4 SiTU 的 CuTeDSL MoE 后端以及 DeepSeek V4 NVFP4 MLA 残差开关的支持。
Hugging Face Daily PapersAI 评分2222 ReSPO：重塑序列策略优化，解决离策略学习中的梯度饥饿问题
针对 RLVR 中复用 rollout 导致的梯度饥饿问题，研究者提出 ReSPO（Reshaped Sequence Policy Optimization），用基于 α-散度变分目标与指数方差控制倾斜的平滑双分支序列级核函数替代 clipping：正分支为欠生成的正面回复保留非零梯度权重，负分支抑制严重过度生成的负面回复。
TensorRT-LLM ReleasesAI 评分1818 TensorRT-LLM v1.3.0rc28 发布
TensorRT-LLM 发布 v1.3.0rc28，新增 DFlash 2 支持并为 Llama、Llama4 默认启用 KV-cache manager V2，同时扩展 Qwen3.8-Flash-Next 的 disaggregation、MegaMoE 与 GVR index reuse 支持。
SGLang ReleasesAI 评分3838 SGLang v0.5.20 发布：新增 GLM-5.3-Flash、Qwen3.8-Flash-Next 等模型支持
SGLang 发布 v0.5.20，包含 237 位贡献者的 713 个 PR，新增 GLM-5.3-Flash、Qwen3.8-Flash-Next、Hy4-Preview、K2 Horizon、Nanbeige4.2 等模型支持。
TensorRT-LLM ReleasesAI 评分1818 TensorRT-LLM v1.3.0rc27 发布
TensorRT-LLM 发布 v1.3.0rc27，新增 MiniMax-H3 VisualGen 文生视频与首尾帧生视频支持（BF16 和 FP8 blockwise），并支持 Nemotron 3.5 Super VL 多模态服务。
TensorRT-LLM ReleasesAI 评分1818 TensorRT-LLM v1.3.0rc26 发布：新增 DeepSeek-V4 Hopper 与 Qwen3.8-Flash-Next 支持
TensorRT-LLM 发布 v1.3.0rc26，新增 DeepSeek-V4 Hopper、Qwen3.8-Flash-Next 支持，并在 B200 上启用 Kimi K3。
SGLang ReleasesAI 评分2828 SGLang v0.5.19 发布：786 个 PR，新增 Qwen3.8、Ling-3.0 等模型支持
SGLang 发布 v0.5.19，合并 214 位贡献者的 786 个 PR，新增 Qwen3.8（2.4T-A95B）、Qwen3.8-27B、Ling-3.0-flash、Spark2.5、Granite 4.2 等模型支持。
LMDeploy ReleasesAI 评分2222 LMDeploy v0.17.0 发布：支持 Kimi K2.6 与 DeepEPv2
LMDeploy 发布 v0.17.0，新增对 Kimi K2.6 和 DeepEPv2 的支持，并集成 mooncake store 作为 KV connector。该版本进一步优化 GLM-5.2 服务性能，在 CUDA 上为 paged attention 和 V4 prefill 引入 PDL，同时降低投机解码前后处理开销，并支持非 2 的幂次 page size。
TensorRT-LLM ReleasesAI 评分2222 TensorRT-LLM v1.3.0rc25 发布：KV Cache Manager V2 默认启用
TensorRT-LLM v1.3.0rc25 将 KV cache manager V2 设为 DeepSeek V3/R1/V3 Lite、DeepSeek V3.2/V4。
Google Developers BlogAI 评分2222 用深度学习和 Keras 解码宇宙信号
Google 开发者博客介绍深度学习在天体粒子物理中的应用：Pierre Auger 天文台用 1500 多个探测器站覆盖 3000 km² 捕捉宇宙线空气簇射，IceCube 以约 1 km³ 南极冰探测中微子，这些观测站的空间分布式传感器以纳秒级读出记录波形，数据结构类似图像，适合用深度学习分析。文章指出这些方法有望提升仪器灵敏度、发现隐藏模式并搜索信号异常。
SGLang ReleasesAI 评分3434 SGLang v0.5.18 发布：710 个 PR，新增 Muse Glimmer、LTX-2.5 等模型支持
SGLang 发布 v0.5.18，合并 212 位贡献者的 710 个 PR，新增 Muse Glimmer、Intern-S2-Mobius、SANA-Video、LTX-2.5、Cosmos3、LongCat-Image 等模型支持。
TensorRT-LLM ReleasesAI 评分2222 TensorRT-LLM v1.3.0rc24 发布：新增 Kimi K3、MiniCPM-V 4.6 与 Whisper 支持
TensorRT-LLM 发布 v1.3.0rc24，新增 Kimi K3（含 KDA kernel、优化 MoE、投机解码与分离式服务）、MiniCPM-V 4.6 图像视频支持，以及 PyTorch 后端的 Whisper 支持。
SGLang ReleasesAI 评分4848 SGLang v0.5.17 发布：Kimi K3 与 MiniMax-H3 首日支持
SGLang v0.5.17 发布，含 194 位贡献者的 582 个 PR，首日支持 2.8T 参数多模态模型 Kimi K3 和 MiniMax-H3 视频生成模型。
LMDeploy ReleasesAI 评分2222 LMDeploy v0.15.0 发布：支持 DeepSeek V4 与 MTP 前缀缓存
LMDeploy 发布 v0.15.0，新增 DeepSeek V4 支持，并支持长上下文与 MTP 前缀缓存命中。该版本为投机解码加入引导式解码支持，新增 AgRs all2all 后端与 memdecode 支持，同时优化 TTFT 并改进 Ascend-A3 多节点支持。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核经验迁移到 Apple Silicon。
推荐理由：展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的方法，并给出注意力与 Mamba 两类内核的实测对比。
Berkeley AI ResearchAI 评分3232 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的摘要更新
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容以自然语言"信念状态"形式隔离并监督，通过受自编码器启发的信念评分机制提升长程交互效率。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 数也显著低于全上下文设置。
SGLang ReleasesAI 评分2828 SGLang v0.5.16 发布：新增 DSpark 投机解码与 Inkling 模型支持
SGLang 发布 v0.5.16，包含 169 位贡献者的 574 个 PR。新投机解码算法 DSpark 在 DeepSeek-V4-Pro 上达到 383.7 tok/s，新增 975B 参数、1M token 上下文的 Inkling 多模态 MoE 模型支持。该版本还移除 QServe 与 FBGEMM FP8 量化路径，NVFP4 GEMM 现需 FlashInfer。
SGLang ReleasesAI 评分2222 SGLang v0.5.15 发布：GLM-5.2 NVFP4 生产级调优，新增 Hunyuan 3 等模型支持
SGLang v0.5.15 发布，针对 Blackwell 调优的 GLM-5.2 NVFP4 在 8x B300 上实现 500+ tok/s/user、4x GB300 上 450 tok/s/user（bs=1）。
LMDeploy ReleasesAI 评分3232 LMDeploy v0.14.0 发布：支持 Qwen3 Omni 与 FP8 KV cache 量化
LMDeploy 发布 v0.14.0，新增 FP8 KV cache 量化、Qwen3 Omni 支持，并在 turbomind 后端支持 Qwen3.5（vit）推理。该版本还加入 OpenAI Responses 兼容端点和 /get_ppl 接口，并扩展 chat completions 支持 token-in/out 与返回 routed experts。
LMDeploy ReleasesAI 评分2222 LMDeploy v0.14.0a2 发布：支持 Qwen3 Omni 与 Qwen3.5 推理
LMDeploy 发布 v0.14.0a2，新增 FP8 KV cache 量化、Qwen3 Omni 支持，并在 turbomind 后端支持 Qwen3.5（vit）推理。该版本还加入 OpenAI Responses 兼容端点，扩展 chat completions 与 v1/messages 的 token 输入输出并返回 routed experts。
LMDeploy ReleasesAI 评分2222 LMDeploy v0.13.0 发布：新增 Anthropic 兼容接口与 KV Cache 量化
LMDeploy 发布 v0.13.0，新增 Anthropic 兼容服务端点，并支持 TurboQuant（quant_policy=42）的 KV Cache 量化。
Berkeley AI ResearchAI 评分4040 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分4040 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。