Axolotl v0.19.0 发布：新增 Qwen3.8-Flash-Next 等七个模型家族与三元 QAT
Axolotl v0.19.0 发布，新增声明式模型支持系统，并支持 Qwen3.8-Flash-Next、Ling 3.0、Muse Glimmer 30B 等七个模型家族及三元（BitNet b1.58）QAT。
#训练
Axolotl ReleasesAI 评分2828 TRL ReleasesAI 评分4242 TRL v1.13.0 发布：支持单节点 1M token 长上下文训练
TRL v1.13.0 新增 1M token 长上下文训练支持，在单台 8×H100 节点上以 Qwen3-8B 实测 1,048,576 token、380 秒/步、每 GPU 56.2 GB（bf16）。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单碱基变异预测
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，超过 AlphaFold Database 的 30 倍，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 向学术研究免费开放。
推荐理由：AlphaGenome Atlas 把 90 亿个单碱基变异的预测结果做成可检索资源，读者可了解基因组变异解读的规模化路径。
Microsoft ResearchAI 评分4141 微软推出 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软研究院发布 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型，在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
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。
TRL ReleasesAI 评分2222 TRL v1.11.0 发布：改用 vLLM 原生 server，GRPO 提速最高 1.59 倍
TRL v1.11.0 发布，其 vllm-serve 不再自建 FastAPI 服务，改为转发到 vLLM 原生 server，脚本从 1218 行降至约 130 行，权重同步改用 vLLM 的 NCCL weight-transfer 引擎。
Import AIAI 评分2222 Import AI 470：机器不应享有权利；SPADE 自动化环境生成；Hawkeye 构建更优 GPU 内核
METR 研究显示 AI 对科学的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域贡献有限，AI 研究本身尚无显著加速。多校团队提出 SPADE 框架，通过自博弈让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基线提升 8.1。
Import AIAI 评分3434 Import AI 469：DiG-bench 评测 AI 发现能力、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了新基准 DiG-bench，用 70 款规则与目标均隐藏的游戏测试 AI 的探索与发现能力，21 款已公开，Opus 5 与 Fable 5 配合 Claude Code 表现最佳，仅二者能在 Tier 7 通关 0.2 的任务。
TRL ReleasesAI 评分3434 TRL v1.10.0 发布：DistillationTrainer 转正并支持 VLM
TRL v1.10.0 将 DistillationTrainer 和 DistillationConfig 从 trl.experimental.distillation 升级为顶层稳定 API，导入方式与 SFT / DPO / GRPO / KTO 一致，旧路径仍可用但会发出 FutureWarning（v2.0.0 移除）。
PEFT ReleasesAI 评分4242 PEFT v0.20.0 发布：新增 HiRA、GLoRA、BEFT 等九种微调方法
PEFT 发布 v0.20.0，一次性新增 HiRA、GLoRA、BEFT、MonteCLoRA、VeLoRA、Uni-LoRA、FRoD、MiCA、DEFT 九种参数高效微调方法，并新增面向图像生成方法的对比基准。
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。
Axolotl ReleasesAI 评分3434 Axolotl v0.18.0 发布：面向超大规模稀疏 MoE 的低成本微调
Axolotl v0.18.0 发布，自 v0.17.0 以来累计超 90 次提交，主打低成本微调超大规模稀疏 MoE 模型。新增 NVFP4 MoE-LoRA，在 ScatterMoE 与 SonicMoE 后端支持 4-bit 专家 LoRA/QLoRA，4k 至 32k 上下文下显存占用近乎持平，并支持 GLM-5.2（DSA）2D 专家并行微调。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分低于 $0.10，数据系统面临三大新挑战：为智能体设计（Data Systems For Agents）、运行智能体（Of Agents）、由智能体构建（By Agents）。
Axolotl ReleasesAI 评分2828 Axolotl v0.17.0 发布：新增 MoE 专家并行与 BitNet 1.58-bit 微调
Axolotl v0.17.0 发布，新增基于 DeepEP 的 MoE 专家并行（EP）训练、BitNet 1.58-bit 全量微调，以及通过 Tinker 兼容 API 的远程训练。
LLaMA-Factory ReleasesAI 评分3030 LLaMA-Factory v0.9.5 发布：支持 Qwen3.5/3.6、Gemma 4 与 Transformers v5
LLaMA-Factory 发布 v0.9.5，新增对 Qwen3.5/Qwen3.6、Gemma 4 模型的主要支持，并兼容 Transformers v5。
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。
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。