AI 与科学前沿 · 2026-10-15

微克级高次谐波体声波谐振器的声学模式被制备到最多七个声子的Fock态，用来估计相位未知的微弱共振信号位移。此前这类非高斯量子探针只在囚禁离子等更轻的系统中展示过计量优势，而压缩态的优势又局限于已知正交分量。测量得到的声子数分布经两种独立分析给出一致的Fisher信息，为真空值的五倍，超过任意能量的经典探针；用校准数据直接训练的神经网络复现了同样的灵敏度，并把系统偏差减半。

微克级高次谐波体声波谐振器的声学模式被制备到最多七个声子的Fock态，用来估计相位未知的微弱共振信号位移。此前这类非高斯量子探针只在囚禁离子等更轻的系统中展示过计量优势，而压缩态的优势又局限于已知正交分量。测量得到的声子数分布经两种独立分析给出一致的Fisher信息，为真空值的五倍，超过任意能量的经典探针；用校准数据直接训练的神经网络复现了同样的灵敏度，并把系统偏差减半。

成人气管插管AI模型此前难以直接用于新生儿，因为新生儿影像数据稀缺、跨机构共享受隐私限制。一项覆盖20个国家和地区、30家新生儿重症监护病房的国际回顾性研究改用持续学习：模型在各医院间依次传递，每家只用本地50张胸片在自己环境里重训，不共享患者数据。最终模型的气管导管尖端与隆突联合定位误差平均为0.67厘米，低于医院单独微调的1.29厘米和成人模型直接预测的4.30厘米，并在30家医院中的29家改善定位、27家改善深插管检出。

成人气管插管AI模型此前难以直接用于新生儿，因为新生儿影像数据稀缺、跨机构共享受隐私限制。一项覆盖20个国家和地区、30家新生儿重症监护病房的国际回顾性研究改用持续学习：模型在各医院间依次传递，每家只用本地50张胸片在自己环境里重训，不共享患者数据。最终模型的气管导管尖端与隆突联合定位误差平均为0.67厘米，低于医院单独微调的1.29厘米和成人模型直接预测的4.30厘米，并在30家医院中的29家改善定位、27家改善深插管检出。

大模型文本水印的检测此前依赖生成方的分词器或语义嵌入管线，而文本本身并不透露用了哪一种，因此未知来源的文本难以核验。ByteMark把水印信号定义在已发布文本的UTF-8字节流上，参与模型用同一公开规范和密钥嵌入，检测方只凭文本和密钥即可验证。实验显示，替换检测端的分词器或嵌入模型后，词元级与句子级基线的检出率大幅下降，而ByteMark的检出率保持不变，并在模型接力续写和参与模型改写重嵌时仍可检出。

大模型文本水印的检测此前依赖生成方的分词器或语义嵌入管线，而文本本身并不透露用了哪一种，因此未知来源的文本难以核验。ByteMark把水印信号定义在已发布文本的UTF-8字节流上，参与模型用同一公开规范和密钥嵌入，检测方只凭文本和密钥即可验证。实验显示，替换检测端的分词器或嵌入模型后，词元级与句子级基线的检出率大幅下降，而ByteMark的检出率保持不变，并在模型接力续写和参与模型改写重嵌时仍可检出。

视觉语言模型里用来定位“看图”注意力头的发现分数，其内部选择会明显改变选出的头。研究在Qwen3-VL-8B-Instruct上完整交叉查询类型、发现语料与读取注意力的token位置，并用可操控性与必要性两种干预检验全部12组头集。结果只有必要性随注意力来源变化：查询跨度头集比末token头集更必要，两个指代加查询跨度头集高出250组同层随机头集17–19个标准差；而在默认强度下，没有任何发现头集的可操控性超过同层随机头集。

视觉语言模型里用来定位“看图”注意力头的发现分数，其内部选择会明显改变选出的头。研究在Qwen3-VL-8B-Instruct上完整交叉查询类型、发现语料与读取注意力的token位置，并用可操控性与必要性两种干预检验全部12组头集。结果只有必要性随注意力来源变化：查询跨度头集比末token头集更必要，两个指代加查询跨度头集高出250组同层随机头集17–19个标准差；而在默认强度下，没有任何发现头集的可操控性超过同层随机头集。

状态空间模型解码此前每步都要把整个循环状态读入再写回，状态读写成为显存带宽瓶颈，投机解码也缺少廉价回滚。ReplaySSM把状态改写成一份检查点加一段近期输入的缓冲区，只在缓冲区填满时写检查点，多数步骤只追加输入并直接算输出。在vLLM上对Mamba-2与Gated DeltaNet实现后，服务批大小256时标准解码相对调优基线加速，两个120B级模型上吞吐接近vLLM投机解码，分离精度还降低了输出KL散度与下游精度损失。

状态空间模型解码此前每步都要把整个循环状态读入再写回，状态读写成为显存带宽瓶颈，投机解码也缺少廉价回滚。ReplaySSM把状态改写成一份检查点加一段近期输入的缓冲区，只在缓冲区填满时写检查点，多数步骤只追加输入并直接算输出。在vLLM上对Mamba-2与Gated DeltaNet实现后，服务批大小256时标准解码相对调优基线加速，两个120B级模型上吞吐接近vLLM投机解码，分离精度还降低了输出KL散度与下游精度损失。

心脏磁共振的判读不再只靠射血分数等预设指标：为每位受检者按年龄、性别和体型生成一个健康心脏数字孪生，偏离它的程度在保留射血分数人群中仍能改善房颤风险分层。

心脏磁共振的判读不再只靠射血分数等预设指标：为每位受检者按年龄、性别和体型生成一个健康心脏数字孪生，偏离它的程度在保留射血分数人群中仍能改善房颤风险分层。

Linux 的通用预取只按最近的文件偏移猜下一页，遇到启动时稀疏跳读、B 树按键序遍历、大模型按张量布局加载就失效。PredictIO 把预测和执行拆开：内核把观测到的访问和应用提示送到用户态策略，策略只输出统一的页范围请求，再由内核后端校验、限流并异步发起预取。在应用启动、SQLite 范围扫描和 llama.cpp 模型加载上，延迟分别降低 5.3–26.3%、扫描最高加速 2.99 倍、加载降低 8.8–47.9%。

Linux 的通用预取只按最近的文件偏移猜下一页，遇到启动时稀疏跳读、B 树按键序遍历、大模型按张量布局加载就失效。PredictIO 把预测和执行拆开：内核把观测到的访问和应用提示送到用户态策略，策略只输出统一的页范围请求，再由内核后端校验、限流并异步发起预取。在应用启动、SQLite 范围扫描和 llama.cpp 模型加载上，延迟分别降低 5.3–26.3%、扫描最高加速 2.99 倍、加载降低 8.8–47.9%。

阿里团队提出采样时干预（RTI），在整组轨迹全部失败时用奖励侧评分标准就地纠正关键错误步骤，让智能体强化学习学到原本探索不到的成功轨迹，导航基准Pass@1从GRPO的35.33升到57.33。

阿里团队提出采样时干预（RTI），在整组轨迹全部失败时用奖励侧评分标准就地纠正关键错误步骤，让智能体强化学习学到原本探索不到的成功轨迹，导航基准Pass@1从GRPO的35.33升到57.33。

RemoTAP-Hybrid 把多个协作神经网络与全物理反演结合，用于 SPEXone 多角度偏振仪的全球气溶胶反演，在陆地和海洋上提高了 AOD、AE 与细模态 AOD 的精度，并把计算时间分别减少 43% 和 32%。

RemoTAP-Hybrid 把多个协作神经网络与全物理反演结合，用于 SPEXone 多角度偏振仪的全球气溶胶反演，在陆地和海洋上提高了 AOD、AE 与细模态 AOD 的精度，并把计算时间分别减少 43% 和 32%。

低剂量CT去噪现在只用相邻切片就能训练：先用匹配网络估计层间形变并校正去噪输出，在Mayo 2016上把PSNR做到40.08 dB，并首次在图像域完成低剂量锥束CT去噪。

低剂量CT去噪现在只用相邻切片就能训练：先用匹配网络估计层间形变并校正去噪输出，在Mayo 2016上把PSNR做到40.08 dB，并首次在图像域完成低剂量锥束CT去噪。

多来源学习里，未来部署人群的来源构成往往未知，而按最坏来源混合做优化容易过度保守。PILLAR 在低秩矩阵估计中把对抗来源权重朝用户给定的参考分布正则化，用双因子梯度下降加镜像上升求解这一非凸-凹问题，并给出线性收敛与把低秩估计误差和对抗重加权代价分开的误差界。模拟与电子健康记录自杀未遂风险研究中，最差来源与跨时间迁移的预测精度都有提升。

多来源学习里，未来部署人群的来源构成往往未知，而按最坏来源混合做优化容易过度保守。PILLAR 在低秩矩阵估计中把对抗来源权重朝用户给定的参考分布正则化，用双因子梯度下降加镜像上升求解这一非凸-凹问题，并给出线性收敛与把低秩估计误差和对抗重加权代价分开的误差界。模拟与电子健康记录自杀未遂风险研究中，最差来源与跨时间迁移的预测精度都有提升。

Step 5 Preview 把智能体工作负载当作模型设计的出发点：它采用92个Transformer块的窄而深结构，在高效注意力与稀疏全注意力之间按3:1交错，并用Sparse GQA把全注意力路径扩展到最长100万token上下文。其总参数量不到Qwen3.8-Max、Kimi K3这类万亿级模型四分之一，活跃参数不到三分之一，报告称由此获得与这些万亿级模型相当的长程智能体能力。训练侧配套了智能体原生数据合成与面向长rollout的强化学习系统，最终构造出百万级可验证环境。

Step 5 Preview 把智能体工作负载当作模型设计的出发点：它采用92个Transformer块的窄而深结构，在高效注意力与稀疏全注意力之间按3:1交错，并用Sparse GQA把全注意力路径扩展到最长100万token上下文。其总参数量不到Qwen3.8-Max、Kimi K3这类万亿级模型四分之一，活跃参数不到三分之一，报告称由此获得与这些万亿级模型相当的长程智能体能力。训练侧配套了智能体原生数据合成与面向长rollout的强化学习系统，最终构造出百万级可验证环境。

谷歌发布Gemini 4 Argon，面向开发者与企业开放，在Chrome约四千万行代码库中协助完成跨数百文件的架构重构，把原本数月的工作压缩到数周。

谷歌发布Gemini 4 Argon，面向开发者与企业开放，在Chrome约四千万行代码库中协助完成跨数百文件的架构重构，把原本数月的工作压缩到数周。

面向Kubernetes分布式应用的运维智能体SDO把每次故障处置沉淀为可复用的运维记忆：手册记录可参数化的诊断与修复步骤，检测器用非LLM代码在集群状态上判断何时该调用哪本手册，架构摘要则把手册中的角色绑定到当前应用。在11个开源微服务应用上，SDO在复发故障上把解决时间降低52%，中位解决时间从584秒降到282秒、token从540万降到220万；从源码部署应用时，运维记忆把部署时间与token用量降低47.5%。

面向Kubernetes分布式应用的运维智能体SDO把每次故障处置沉淀为可复用的运维记忆：手册记录可参数化的诊断与修复步骤，检测器用非LLM代码在集群状态上判断何时该调用哪本手册，架构摘要则把手册中的角色绑定到当前应用。在11个开源微服务应用上，SDO在复发故障上把解决时间降低52%，中位解决时间从584秒降到282秒、token从540万降到220万；从源码部署应用时，运维记忆把部署时间与token用量降低47.5%。

精神分裂症谱系患者的认知差异，此前多按诊断或药物剂量归类，药物本身的作用难以分辨。一项横断面研究把1,067名患者的处方折算成49种药、32个受体靶点上的个体化受体占用谱，再用梯度提升模型预测认知。把受体谱在诊断内整体打乱后，药物对预测的贡献约减半，且负向信号集中在α2肾上腺素能、DRD4/DRD5与多个5-羟色胺受体组成的簇，多巴胺转运体SLC6A3的占用则与更好的认知相关。

精神分裂症谱系患者的认知差异，此前多按诊断或药物剂量归类，药物本身的作用难以分辨。一项横断面研究把1,067名患者的处方折算成49种药、32个受体靶点上的个体化受体占用谱，再用梯度提升模型预测认知。把受体谱在诊断内整体打乱后，药物对预测的贡献约减半，且负向信号集中在α2肾上腺素能、DRD4/DRD5与多个5-羟色胺受体组成的簇，多巴胺转运体SLC6A3的占用则与更好的认知相关。

在113,611例胸腹盆CT上训练的TAP-JEPA编码器，其冻结特征在胸部与腹部分类基准上与现有CT编码器相当；但按训练时的掩码、教师与预测器逐位复算显示，隐藏目标预测把病理的平均Skill从0.388压到0.271，而解剖结构只从0.921降到0.873。病理区域在教师方向上向配对正常对照移动34.7%，对照反向移动13.6%，且离可见上下文越远位移越大；在七个扫描级探针中的四个，删去全部末层病理token对决策边距的影响不超过0.45%。

在113,611例胸腹盆CT上训练的TAP-JEPA编码器，其冻结特征在胸部与腹部分类基准上与现有CT编码器相当；但按训练时的掩码、教师与预测器逐位复算显示，隐藏目标预测把病理的平均Skill从0.388压到0.271，而解剖结构只从0.921降到0.873。病理区域在教师方向上向配对正常对照移动34.7%，对照反向移动13.6%，且离可见上下文越远位移越大；在七个扫描级探针中的四个，删去全部末层病理token对决策边距的影响不超过0.45%。

蛋白质设计长期只针对单一静态结构，而天然变构蛋白能在同一条件下占据多个折叠态。研究者用RFdiffusion对93个天然结构域的末端做部分骨架重画，得到2291对“天然—替代”构象，再用两条序列设计路线让同一条序列兼容两个骨架，并用AlphaFold3与BioEmu筛选稳定某一态的突变。设计出的蛋白在核磁谱中普遍出现谱峰增宽和缺失，说明变构区处于微秒至毫秒交换；引入两到三个突变后，平衡可被推向任一态，并解出与设计模型一致的两个晶体结构和一例NMR结构。

蛋白质设计长期只针对单一静态结构，而天然变构蛋白能在同一条件下占据多个折叠态。研究者用RFdiffusion对93个天然结构域的末端做部分骨架重画，得到2291对“天然—替代”构象，再用两条序列设计路线让同一条序列兼容两个骨架，并用AlphaFold3与BioEmu筛选稳定某一态的突变。设计出的蛋白在核磁谱中普遍出现谱峰增宽和缺失，说明变构区处于微秒至毫秒交换；引入两到三个突变后，平衡可被推向任一态，并解出与设计模型一致的两个晶体结构和一例NMR结构。

ClawLoop 把任务合成、训练与失败诊断串成闭环，让基于 harness 的智能体无需外部教师模型即可自我改进，在 SkillsBench、Claw-Eval-Live 与 ClawGym-Bench 上均优于单次合成的 ClawGym。

ClawLoop 把任务合成、训练与失败诊断串成闭环，让基于 harness 的智能体无需外部教师模型即可自我改进，在 SkillsBench、Claw-Eval-Live 与 ClawGym-Bench 上均优于单次合成的 ClawGym。

头颈鳞癌的partial EMT（部分上皮–间质转化）基因表在单细胞里由恶性细胞和成纤维细胞共同表达，但既往只在整块肿瘤上打分。把100个基因按表达细胞拆成恶性臂与基质臂后，整块肿瘤的共表达由基质臂主导，标准pEMT评分主要测的是基质；用单细胞伪块训练的分类器和12基因恶性核心可在任意整块转录组中恢复恶性臂。在40例接受铂类加西妥昔单抗的患者中，两项恶性指标在无进展生存期长者中更高（曲线下面积0.78与0.82），基质核心则不然，但恶性臂与Basal亚型无法区分，后者判别更好（0.93）。

头颈鳞癌的partial EMT（部分上皮–间质转化）基因表在单细胞里由恶性细胞和成纤维细胞共同表达，但既往只在整块肿瘤上打分。把100个基因按表达细胞拆成恶性臂与基质臂后，整块肿瘤的共表达由基质臂主导，标准pEMT评分主要测的是基质；用单细胞伪块训练的分类器和12基因恶性核心可在任意整块转录组中恢复恶性臂。在40例接受铂类加西妥昔单抗的患者中，两项恶性指标在无进展生存期长者中更高（曲线下面积0.78与0.82），基质核心则不然，但恶性臂与Basal亚型无法区分，后者判别更好（0.93）。

在LLM与视觉语言模型的贝叶斯LoRA微调中，小批量梯度误差呈重尾且随离最终迭代的距离增大，几何中位数中心化加残差裁剪的稳健估计器与自适应步长结合后，在非对数凹目标上仍给出非渐近的Fisher信息收敛保证。

在LLM与视觉语言模型的贝叶斯LoRA微调中，小批量梯度误差呈重尾且随离最终迭代的距离增大，几何中位数中心化加残差裁剪的稳健估计器与自适应步长结合后，在非对数凹目标上仍给出非渐近的Fisher信息收敛保证。

Eco-RNA把推理深度变成可调资源：同一个80M参数检查点重复执行共享核心，在70项RNAGym适应度实验上把聚合绝对Spearman相关从0.242提到0.286，四次迭代即超过40B的Evo 2。

Eco-RNA把推理深度变成可调资源：同一个80M参数检查点重复执行共享核心，在70项RNAGym适应度实验上把聚合绝对Spearman相关从0.242提到0.286，四次迭代即超过40B的Evo 2。

大语言模型指挥的挖掘机可能执行机械上可行、但目的地或权限已不再匹配操作员批准的动作。为此，研究把授权绑定到具体运动：一次性租约同时绑定动作、生成的运动、任务合同与准入容差，派发时原子地复核当前权限与实测关节漂移，并在权限被撤销时请求带载俯仰的五次多项式停车。在672例接口套件中，网关放行全部120例良性用例，攻击套件零次未授权派发；同步仿真中，卸料阶段撤销权限时关闭区最大卸料量从1.23降到0.33立方米。

大语言模型指挥的挖掘机可能执行机械上可行、但目的地或权限已不再匹配操作员批准的动作。为此，研究把授权绑定到具体运动：一次性租约同时绑定动作、生成的运动、任务合同与准入容差，派发时原子地复核当前权限与实测关节漂移，并在权限被撤销时请求带载俯仰的五次多项式停车。在672例接口套件中，网关放行全部120例良性用例，攻击套件零次未授权派发；同步仿真中，卸料阶段撤销权限时关闭区最大卸料量从1.23降到0.33立方米。

GLOBE把三维束流—场状态压进紧凑潜空间，用受控神经算子学主导演化、用生成模型补细尺度残差，并在解码后按物理区间施加无参数约束算子。在束团输运与等离子体尾场加速两个高分辨率三维基准上，相对误差比最强基线DPOT低9%和13%，中频段谱误差低54%和20%，同时把数小时的粒子模拟缩短到每次推演约一分钟。

GLOBE把三维束流—场状态压进紧凑潜空间，用受控神经算子学主导演化、用生成模型补细尺度残差，并在解码后按物理区间施加无参数约束算子。在束团输运与等离子体尾场加速两个高分辨率三维基准上，相对误差比最强基线DPOT低9%和13%，中频段谱误差低54%和20%，同时把数小时的粒子模拟缩短到每次推演约一分钟。

西门子Fuse团队用NVIDIA NeMo Gym为Solido Characterization Suite智能体搭起以最终Liberty文件为准的评测闭环，把标准单元表征任务的综合验证分从约55%提升到约95%，同时把智能体轮次从155降到53、输出token从约81K降到29K。此前这类多阶段流程只能看单个工具调用是否成功，早期设置错误会悄悄传到下游；现在用覆盖、有效性、相对验证、完整性和容差内比例组成的复合奖励，对整条轨迹的最终产物打分，再据此改写技能与MCP工具描述。

西门子Fuse团队用NVIDIA NeMo Gym为Solido Characterization Suite智能体搭起以最终Liberty文件为准的评测闭环，把标准单元表征任务的综合验证分从约55%提升到约95%，同时把智能体轮次从155降到53、输出token从约81K降到29K。此前这类多阶段流程只能看单个工具调用是否成功，早期设置错误会悄悄传到下游；现在用覆盖、有效性、相对验证、完整性和容差内比例组成的复合奖励，对整条轨迹的最终产物打分，再据此改写技能与MCP工具描述。

长程自回归强化学习里，局部策略偏差会沿轨迹累积成状态分布偏移，使训练随长度增长而失稳甚至崩溃。轨迹感知策略优化从离策略策略梯度中推导出状态分布修正项并写入优化目标，用几何均值估计压低其方差，再按前序轨迹长度动态收紧裁剪边界。在八个竞赛级数学与代码基准上，它相对GRPO的数学平均提升最高48%、代码平均提升12%，训练分数持续上升而KL散度受控。

长程自回归强化学习里，局部策略偏差会沿轨迹累积成状态分布偏移，使训练随长度增长而失稳甚至崩溃。轨迹感知策略优化从离策略策略梯度中推导出状态分布修正项并写入优化目标，用几何均值估计压低其方差，再按前序轨迹长度动态收紧裁剪边界。在八个竞赛级数学与代码基准上，它相对GRPO的数学平均提升最高48%、代码平均提升12%，训练分数持续上升而KL散度受控。

多模态图像融合长期在视觉质量与语义属性之间取舍，因为两者的优化目标相互冲突。AD-SRF把这两者拆开优化再无损合并：先用基于Transformer的复原式视觉融合网络建立清晰融合基线，再用攻防博弈机制让攻击者挖掘语义弱点、防御者生成不可察觉的语义图叠加回融合图。在MFNet与FMB数据集上，该方法在六项视觉指标中分别有四项和五项排名第一，分割mIoU比第二名高出1.5和1.73。

多模态图像融合长期在视觉质量与语义属性之间取舍，因为两者的优化目标相互冲突。AD-SRF把这两者拆开优化再无损合并：先用基于Transformer的复原式视觉融合网络建立清晰融合基线，再用攻防博弈机制让攻击者挖掘语义弱点、防御者生成不可察觉的语义图叠加回融合图。在MFNet与FMB数据集上，该方法在六项视觉指标中分别有四项和五项排名第一，分割mIoU比第二名高出1.5和1.73。

在五个视觉任务上，把带答案的示例放进上下文后，与训练先验冲突的反事实样本准确率大幅上升，而与先验一致的样本几乎不变，说明模型本就有这些视觉能力，只是被学到的统计规律压住了。

在五个视觉任务上，把带答案的示例放进上下文后，与训练先验冲突的反事实样本准确率大幅上升，而与先验一致的样本几乎不变，说明模型本就有这些视觉能力，只是被学到的统计规律压住了。

RES-MR把用药推荐拆成两步：先让模型生成可核查的诊断推理链，再按每位患者自己的风险边界调整用药，在MIMIC-III上Jaccard比FLAME高7.7%，同时DDI与RIS更低。

RES-MR把用药推荐拆成两步：先让模型生成可核查的诊断推理链，再按每位患者自己的风险边界调整用药，在MIMIC-III上Jaccard比FLAME高7.7%，同时DDI与RIS更低。

Gemini 4 Argon 把物理理解、代码生成和视觉语义推理放进同一个模型，让机器人任务可以先在仿真里练。在考察三维物理空间问题的 Embodied Reasoning（ERQA）基准上，它用纯推理拿到 87%，高于其他前沿模型。它还能从机器人相机画面、第一视角人类视频或手绘草图重建标定过的仿真孪生场景，并据此生成闭环控制与训练数据。

Gemini 4 Argon 把物理理解、代码生成和视觉语义推理放进同一个模型，让机器人任务可以先在仿真里练。在考察三维物理空间问题的 Embodied Reasoning（ERQA）基准上，它用纯推理拿到 87%，高于其他前沿模型。它还能从机器人相机画面、第一视角人类视频或手绘草图重建标定过的仿真孪生场景，并据此生成闭环控制与训练数据。

联邦聚合不再为了公平而改写全局优化方向。此前的方法通过客户端重加权、梯度修正或对称的多目标共同下降来提升客户端公平性，往往会改变全局更新方向。FedPCD把常规FedAvg聚合当作主目标，把各客户端更新当作次级约束，只在约束被违反时做满足要求所需的最小修正；在CIFAR-10、CIFAR-100与Fashion-MNIST上，它在全部18种配置中取得最高全局精度，并在其中17种取得最高的最差10%客户端精度。

联邦聚合不再为了公平而改写全局优化方向。此前的方法通过客户端重加权、梯度修正或对称的多目标共同下降来提升客户端公平性，往往会改变全局更新方向。FedPCD把常规FedAvg聚合当作主目标，把各客户端更新当作次级约束，只在约束被违反时做满足要求所需的最小修正；在CIFAR-10、CIFAR-100与Fashion-MNIST上，它在全部18种配置中取得最高全局精度，并在其中17种取得最高的最差10%客户端精度。

编码智能体团队在从零重建程序的任务上普遍强于单个智能体，但花费是单个智能体的四到七倍。一项在ProgramBench两百个程序上的受控实验显示，把便宜模型只放在探索与规划阶段，能在比全强模型、全阶段委派团队低约八成成本下把成绩差距控制在2.7分以内，因为这类任务真正的瓶颈是弄清原程序的行为。

编码智能体团队在从零重建程序的任务上普遍强于单个智能体，但花费是单个智能体的四到七倍。一项在ProgramBench两百个程序上的受控实验显示，把便宜模型只放在探索与规划阶段，能在比全强模型、全阶段委派团队低约八成成本下把成绩差距控制在2.7分以内，因为这类任务真正的瓶颈是弄清原程序的行为。

Claude平台把Messages API请求和Claude Managed Agents会话的追踪数据以OpenTelemetry span形式导出，开发者可在自己的可观测后端里查看这些调用。

Claude平台把Messages API请求和Claude Managed Agents会话的追踪数据以OpenTelemetry span形式导出，开发者可在自己的可观测后端里查看这些调用。

在严格配对的漏洞—补丁C/C++函数上，白化后的CodeBERT第三层嵌入配合最近邻距离，把陌生样本与熟悉样本分开，平均OOD AUROC达0.739，并显示跨项目迁移时补丁误报率最高达0.507。

在严格配对的漏洞—补丁C/C++函数上，白化后的CodeBERT第三层嵌入配合最近邻距离，把陌生样本与熟悉样本分开，平均OOD AUROC达0.739，并显示跨项目迁移时补丁误报率最高达0.507。

可编程交换机上直接跑 binDCT 块变换，把带噪传感器流在转发路径上先滤波再送进网内机器学习，交换机侧分类 MCC 从 0.35 升到 0.42，与服务器侧持平。

可编程交换机上直接跑 binDCT 块变换，把带噪传感器流在转发路径上先滤波再送进网内机器学习，交换机侧分类 MCC 从 0.35 升到 0.42，与服务器侧持平。

自适应任务分配此前只在工人计算时间固定的假设下才有理论保证，一旦共享集群里出现资源争抢、后台任务或网络拥塞，原本快的工人会临时变慢，旧分配随之失效。新的滑动窗口自适应任务分配（SW-ATA）用最近一段观测估计每个工人的延迟均值，并按置信下界选择分配，从而在延迟分布逐轮变化时仍能跟踪快工人。在合成漂移延迟的分布式随机优化实验中，它明显优于原自适应分配和均匀分配，运行时间接近已知真实均值的理想分配，同时消耗的工人时间最少。

自适应任务分配此前只在工人计算时间固定的假设下才有理论保证，一旦共享集群里出现资源争抢、后台任务或网络拥塞，原本快的工人会临时变慢，旧分配随之失效。新的滑动窗口自适应任务分配（SW-ATA）用最近一段观测估计每个工人的延迟均值，并按置信下界选择分配，从而在延迟分布逐轮变化时仍能跟踪快工人。在合成漂移延迟的分布式随机优化实验中，它明显优于原自适应分配和均匀分配，运行时间接近已知真实均值的理想分配，同时消耗的工人时间最少。

时间序列基础模型已普遍支持协变量，但日历信息如何编码一直被视为实现细节。该研究在四个模型、九个受节假日和周末影响的数据集上零样本滚动评测七种日历编码，发现编码选择在所有模型上都改变预测精度：同一模型内，非节假日MASE差距最高9.9%，节假日最高83%，且哪种编码最好因模型而异。SHAP归因显示提升集中在节假日，因为那里的信号无法从目标历史推断。

时间序列基础模型已普遍支持协变量，但日历信息如何编码一直被视为实现细节。该研究在四个模型、九个受节假日和周末影响的数据集上零样本滚动评测七种日历编码，发现编码选择在所有模型上都改变预测精度：同一模型内，非节假日MASE差距最高9.9%，节假日最高83%，且哪种编码最好因模型而异。SHAP归因显示提升集中在节假日，因为那里的信号无法从目标历史推断。

说话人验证的部署泛化有了统一的公开评测：固定核心把16个公开语料整理成26个试集、11个场景组，共9150366次验证试验，目标与非目标密钥冻结，在线榜单按试集、场景组和宏平均分别报告。对18个公开检查点的评测显示，宏平均EER相近的系统可以有完全不同的场景画像，一个场景表现强并不保证另一个场景也强，同一场景组内的不同试集之间仍会暴露来源与协议差异。

说话人验证的部署泛化有了统一的公开评测：固定核心把16个公开语料整理成26个试集、11个场景组，共9150366次验证试验，目标与非目标密钥冻结，在线榜单按试集、场景组和宏平均分别报告。对18个公开检查点的评测显示，宏平均EER相近的系统可以有完全不同的场景画像，一个场景表现强并不保证另一个场景也强，同一场景组内的不同试集之间仍会暴露来源与协议差异。

Evo-RL把机器人部署中积累的经验按估计优势筛选后再用于策略微调，在PiperX高精度螺丝插装任务上把尝试成功率从RECAP的57.78%提高到88.24%。

Evo-RL把机器人部署中积累的经验按估计优势筛选后再用于策略微调，在PiperX高精度螺丝插装任务上把尝试成功率从RECAP的57.78%提高到88.24%。

Inspect Any Crack把裂缝分割掩膜换算成毫米级宽度和连续严重度评分，在41处卡尺参照点上给出平均相对误差7.33%的宽度估计，让巡检图像直接产出可对照规范的条件判断。

Inspect Any Crack把裂缝分割掩膜换算成毫米级宽度和连续严重度评分，在41处卡尺参照点上给出平均相对误差7.33%的宽度估计，让巡检图像直接产出可对照规范的条件判断。

TagBO把大语言模型给出的候选排序当作任务相关的粗粒度先验，与结构描述符的局部平滑一起构成相似性图，在化学与材料配方等六项混合变量优化任务上，固定评估预算内更快找到高质量候选。

TagBO把大语言模型给出的候选排序当作任务相关的粗粒度先验，与结构描述符的局部平滑一起构成相似性图，在化学与材料配方等六项混合变量优化任务上，固定评估预算内更快找到高质量候选。

在iPulse AI四个批次、232个标的的928条历史首季预测中，顾问分歧最大的那组平均绝对误差达21.05个百分点，但“预测价格不变”的基线同样升到21.15个百分点，分歧并未在可见风险之外带来额外可靠性。

在iPulse AI四个批次、232个标的的928条历史首季预测中，顾问分歧最大的那组平均绝对误差达21.05个百分点，但“预测价格不变”的基线同样升到21.15个百分点，分歧并未在可见风险之外带来额外可靠性。

α-RuCl₃的基态自旋哈密顿量参数不再只靠第一性原理计算给出，而是用贝叶斯优化去拟合b轴与c轴方向的实验磁化曲线，同时优化Kitaev相互作用K、非对角相互作用Γ与Γ′、海森堡相互作用J以及c轴g因子g_c五个参数。代价函数最小的参数组为(K, Γ, Γ′, J, g_c)=(−6.0, 7.5, −0.3, −1.75, 2.3)，交换耦合以meV计。代价函数对K的绝对值不敏感，说明仅凭磁化数据无法确定Kitaev耦合的能量尺度；它对Γ′和J也只弱依赖，而优化偏好一个较大的正Γ。

α-RuCl₃的基态自旋哈密顿量参数不再只靠第一性原理计算给出，而是用贝叶斯优化去拟合b轴与c轴方向的实验磁化曲线，同时优化Kitaev相互作用K、非对角相互作用Γ与Γ′、海森堡相互作用J以及c轴g因子g_c五个参数。代价函数最小的参数组为(K, Γ, Γ′, J, g_c)=(−6.0, 7.5, −0.3, −1.75, 2.3)，交换耦合以meV计。代价函数对K的绝对值不敏感，说明仅凭磁化数据无法确定Kitaev耦合的能量尺度；它对Γ′和J也只弱依赖，而优化偏好一个较大的正Γ。

高分辨率海洋模拟的AI替代路线出现了一个明确对照：把1度粗网格上的状态演化出来再做空间降尺度重建，只能恢复大尺度形态，而直接在0.1度网格上学习动力演化，能保住中尺度能量、谱特征和锋面梯度。研究同时给出全深度1度模拟器和0.1度海表温度模拟器，两者在长期自由运行中保持稳定、没有明显漂移，为这一比较提供了可靠基线。

高分辨率海洋模拟的AI替代路线出现了一个明确对照：把1度粗网格上的状态演化出来再做空间降尺度重建，只能恢复大尺度形态，而直接在0.1度网格上学习动力演化，能保住中尺度能量、谱特征和锋面梯度。研究同时给出全深度1度模拟器和0.1度海表温度模拟器，两者在长期自由运行中保持稳定、没有明显漂移，为这一比较提供了可靠基线。

低秩矩阵分解的 Burer–Monteiro 因子化目标被证明具有指数 2/3 的广义光滑性，据此构造的自适应梯度下降与 SafeAdam 在 SymNMF 的文本与图像基准上匹配或超过 Dyn-NoLips，且不需要调相对光滑核参数。

低秩矩阵分解的 Burer–Monteiro 因子化目标被证明具有指数 2/3 的广义光滑性，据此构造的自适应梯度下降与 SafeAdam 在 SymNMF 的文本与图像基准上匹配或超过 Dyn-NoLips，且不需要调相对光滑核参数。

判断一个辅助时间序列是否真的能改进对目标序列的预测，此前主要看均方误差或格兰杰增益这类误差幅度指标。现在把匹配的“仅目标”和“目标加辅助”两组多步预测的带符号误差分布拿出来，逐预测步计算香农熵，用熵随预测步长的变化构成一个方向性描述量。在四个等功率隐藏非线性通道上，该熵响应的噪声平均敏感度统计量为29.00、27.47、23.22和28.67，而平均对数均方误差增益只有14.09、10.68、12.67和12.71；在108组窗口长度、历史长度与最大预测步长组合中，该响应全部保持正向。

判断一个辅助时间序列是否真的能改进对目标序列的预测，此前主要看均方误差或格兰杰增益这类误差幅度指标。现在把匹配的“仅目标”和“目标加辅助”两组多步预测的带符号误差分布拿出来，逐预测步计算香农熵，用熵随预测步长的变化构成一个方向性描述量。在四个等功率隐藏非线性通道上，该熵响应的噪声平均敏感度统计量为29.00、27.47、23.22和28.67，而平均对数均方误差增益只有14.09、10.68、12.67和12.71；在108组窗口长度、历史长度与最大预测步长组合中，该响应全部保持正向。

Google Cloud把新前沿模型Gemini 4 Argon开放给企业用户，定位是接手过去要花数小时到数天的多步工作，并直接交回可用的成品。它被训练成能读混排文本、表格、图表和图像的长文档，汇总多来源结论，在长任务上持续执行到完成，并在不可逆操作前暂停确认。Google给出的对照包括：在自家开源Agent Development Kit上，Argon夜间自主运行，把长会话的内存准备时间缩短40%、冷导入加快21%；在Chromium四千万行代码库中，Chrome团队用它数周完成原本数月的跨数百文件重构。

Google Cloud把新前沿模型Gemini 4 Argon开放给企业用户，定位是接手过去要花数小时到数天的多步工作，并直接交回可用的成品。它被训练成能读混排文本、表格、图表和图像的长文档，汇总多来源结论，在长任务上持续执行到完成，并在不可逆操作前暂停确认。Google给出的对照包括：在自家开源Agent Development Kit上，Argon夜间自主运行，把长会话的内存准备时间缩短40%、冷导入加快21%；在Chromium四千万行代码库中，Chrome团队用它数周完成原本数月的跨数百文件重构。

平面图中闭邻域组成的教学问题，其无串通教学维度被证明不超过2，只允许正例时不超过4，两个上界都紧；此前已知上界分别是5和7。该证明同时确认了这一族上教学维度不超过VC维的猜想，但判定维度是否至多为1在平面图闭邻域上仍是NP完全的，区分取值1与2也仍是NP难的。

平面图中闭邻域组成的教学问题，其无串通教学维度被证明不超过2，只允许正例时不超过4，两个上界都紧；此前已知上界分别是5和7。该证明同时确认了这一族上教学维度不超过VC维的猜想，但判定维度是否至多为1在平面图闭邻域上仍是NP完全的，区分取值1与2也仍是NP难的。

可穿戴跌倒检测的训练数据被压缩成极小的类别均衡合成集。此前要么用人工特征配浅层分类器，要么在完整不平衡数据上训练并重采样，代价是数据量与算力。FallNest在时域与频域同时对齐合成样本与真实样本的梯度方向和嵌入分布，用类别均衡K-Means初始化，并加入多视角傅里叶增强。在SisFall、KFall、MobiFall上按受试者划分、保留自然不平衡测试集，仅用32到146个合成窗口训练10.2万参数TinyCNN，五种子平均准确率93.5%到95.8%，PR-AUC为0.89到0.98。

可穿戴跌倒检测的训练数据被压缩成极小的类别均衡合成集。此前要么用人工特征配浅层分类器，要么在完整不平衡数据上训练并重采样，代价是数据量与算力。FallNest在时域与频域同时对齐合成样本与真实样本的梯度方向和嵌入分布，用类别均衡K-Means初始化，并加入多视角傅里叶增强。在SisFall、KFall、MobiFall上按受试者划分、保留自然不平衡测试集，仅用32到146个合成窗口训练10.2万参数TinyCNN，五种子平均准确率93.5%到95.8%，PR-AUC为0.89到0.98。

地缘政治情报问答有了公开基准：415份报告、5525个问答对，检索在文档层面几乎人人满分，但即便给出正确证据，风险类问题仍有七成答案不合格。

地缘政治情报问答有了公开基准：415份报告、5525个问答对，检索在文档层面几乎人人满分，但即便给出正确证据，风险类问题仍有七成答案不合格。

耗散量子神经网络（DQNN）此前用酉门做感知机，每个感知机只能实现受限的量子变换。新架构把感知机改写为等距映射并加入辅助神经元，使每个构建块都能实现任意完全正迹保持映射，即量子信道通用；在三个量子比特的最小网络上，用Hilbert-Schmidt距离作为代价函数做Choi训练，100个随机量子比特信道上的平均菱形距离为4.55×10⁻⁴，而量子Chernoff界和量子相对熵分别只到0.102和0.386。

耗散量子神经网络（DQNN）此前用酉门做感知机，每个感知机只能实现受限的量子变换。新架构把感知机改写为等距映射并加入辅助神经元，使每个构建块都能实现任意完全正迹保持映射，即量子信道通用；在三个量子比特的最小网络上，用Hilbert-Schmidt距离作为代价函数做Choi训练，100个随机量子比特信道上的平均菱形距离为4.55×10⁻⁴，而量子Chernoff界和量子相对熵分别只到0.102和0.386。

把量子生成模型的推理阶段外包给远程量子服务器时，客户端现在可以在不暴露输入、线路和输出的前提下验证采样结果。此前的可验证盲采样依赖计算假设，而这一协议沿用通用盲量子计算与陷阱线路，把验证开销分摊到多轮，并在接受或中止之外给出被污染样本比例的估计。数值模拟在4量子比特IQP玻恩机的Bars&Stripes基准上运行，陷阱检测次数与错误样本数相关。

把量子生成模型的推理阶段外包给远程量子服务器时，客户端现在可以在不暴露输入、线路和输出的前提下验证采样结果。此前的可验证盲采样依赖计算假设，而这一协议沿用通用盲量子计算与陷阱线路，把验证开销分摊到多轮，并在接受或中止之外给出被污染样本比例的估计。数值模拟在4量子比特IQP玻恩机的Bars&Stripes基准上运行，陷阱检测次数与错误样本数相关。

旋转爆震发动机的爆震波传播快、工作模态变化慢，两个时间尺度相差悬殊，直接训练深度强化学习控制器很难收敛。把强化学习问题改写到跟随爆震波图形的运动参考系里，波结构对智能体近似准稳态，快慢过程被分开。在一维降阶模型上，用空间分段喷注压力作控制，运动参考系里训练的控制器比静止参考系更可靠，能覆盖更宽的作动周期范围，并实现不同锁模状态之间的快速切换。

旋转爆震发动机的爆震波传播快、工作模态变化慢，两个时间尺度相差悬殊，直接训练深度强化学习控制器很难收敛。把强化学习问题改写到跟随爆震波图形的运动参考系里，波结构对智能体近似准稳态，快慢过程被分开。在一维降阶模型上，用空间分段喷注压力作控制，运动参考系里训练的控制器比静止参考系更可靠，能覆盖更宽的作动周期范围，并实现不同锁模状态之间的快速切换。

患者级超声诊断此前多依赖单一注意力瓶颈聚合多视图，容易把稀疏的恶性征象稀释掉，并只优化总体准确率。C2LUE把聚合换成多查询交叉注意力，让多个可学习查询分别提取互补的形态学证据，并在训练中用一个可微的敏感度—特异度几何均值正则惩罚两类错误失衡。在活检证实的甲状腺与乳腺超声数据集上，患者级AUC达到0.932与0.936，敏感度提升到0.874与0.876，代价是特异度有所下降。

患者级超声诊断此前多依赖单一注意力瓶颈聚合多视图，容易把稀疏的恶性征象稀释掉，并只优化总体准确率。C2LUE把聚合换成多查询交叉注意力，让多个可学习查询分别提取互补的形态学证据，并在训练中用一个可微的敏感度—特异度几何均值正则惩罚两类错误失衡。在活检证实的甲状腺与乳腺超声数据集上，患者级AUC达到0.932与0.936，敏感度提升到0.874与0.876，代价是特异度有所下降。

SceneForesee把场景演化理解做成可评测任务：模型在观测视频上估计实体历史，并预测一条场景延续，含未来轨迹与事件，同时给出观测运动中的视觉证据和场景描述。

SceneForesee把场景演化理解做成可评测任务：模型在观测视频上估计实体历史，并预测一条场景延续，含未来轨迹与事件，同时给出观测运动中的视觉证据和场景描述。

LangChain 开源智能体框架 Deep Agents 用五种上下文工程手段应对长任务中的“上下文腐化”：把超大工具结果和用户消息卸载到文件系统、在接近上限时压缩历史、按需加载技能、用子智能体隔离噪声工作，并把长期记忆存成普通文件。它不删除信息，而是把上下文移出活动窗口，需要时再读回，因此记忆保存在用户自己控制的存储里，换模型或换供应商后仍可继续使用。

LangChain 开源智能体框架 Deep Agents 用五种上下文工程手段应对长任务中的“上下文腐化”：把超大工具结果和用户消息卸载到文件系统、在接近上限时压缩历史、按需加载技能、用子智能体隔离噪声工作，并把长期记忆存成普通文件。它不删除信息，而是把上下文移出活动窗口，需要时再读回，因此记忆保存在用户自己控制的存储里，换模型或换供应商后仍可继续使用。

在一栋大学教学楼57天日前用电预测测试中，带协变量的预训练TimesFM 3.0把小时级平均绝对误差降到19.97千瓦时，比周季节朴素基线低约43%，且无需针对该楼训练权重。

在一栋大学教学楼57天日前用电预测测试中，带协变量的预训练TimesFM 3.0把小时级平均绝对误差降到19.97千瓦时，比周季节朴素基线低约43%，且无需针对该楼训练权重。

云游戏传输把码率决策从整块视频下放到单个游戏物体：先用现成语义分割模型把每帧拆成物体，再由深度强化学习智能体结合玩家在游戏内的移动速度、物体语义与运动特征以及当前网络状况，判断哪些物体是玩家真正关注的，并给它们分配更高分辨率、给其余物体降分辨率以省带宽。在5G、4G和WiFi三种无线场景的仿真中，该方案在自建QoE指标上优于现有ABR算法，5G场景下归一化平均QoE至少高出20%；34人主观评测中平均意见分为4.16，高于Pensieve的2.49、T-Gaming的3.74和MetaABR的2.86。

云游戏传输把码率决策从整块视频下放到单个游戏物体：先用现成语义分割模型把每帧拆成物体，再由深度强化学习智能体结合玩家在游戏内的移动速度、物体语义与运动特征以及当前网络状况，判断哪些物体是玩家真正关注的，并给它们分配更高分辨率、给其余物体降分辨率以省带宽。在5G、4G和WiFi三种无线场景的仿真中，该方案在自建QoE指标上优于现有ABR算法，5G场景下归一化平均QoE至少高出20%；34人主观评测中平均意见分为4.16，高于Pensieve的2.49、T-Gaming的3.74和MetaABR的2.86。

World Labs已签署最终协议加入AMD，把这家2024年成立的空间智能公司连同其基础模型与应用并入芯片厂商。双方自去年起在AMD GPU上做模型训练与推理优化，这一技术合作让软硬件、基础模型与应用整合成自然选择。李飞飞将出任AMD执行副总裁兼首席科学家，直接与CEO苏姿丰共事，Justin Johnson与Ben Mildenhall继续带领World Labs团队；交易预计在2026年底前完成，尚待监管批准及惯例交割条件。

World Labs已签署最终协议加入AMD，把这家2024年成立的空间智能公司连同其基础模型与应用并入芯片厂商。双方自去年起在AMD GPU上做模型训练与推理优化，这一技术合作让软硬件、基础模型与应用整合成自然选择。李飞飞将出任AMD执行副总裁兼首席科学家，直接与CEO苏姿丰共事，Justin Johnson与Ben Mildenhall继续带领World Labs团队；交易预计在2026年底前完成，尚待监管批准及惯例交割条件。

蒸馏教师模型的监督信号时，不再对每个词一视同仁，而是先估计该词对更新后奖励的影响再决定权重。此前的方法依赖不确定性或师生分歧这类代理指标，未必对应真正提升奖励的监督。RAD用一次临时优化步做可微打分，再以投影上升更新词权重，在相同训练响应预算下把六个竞赛数学基准的平均准确率对Qwen3-1.7B提升6.5个百分点、对Qwen3-4B-Instruct-2507提升2.5个百分点，并在LiveCodeBench-v6上取得54.69%与58.67%的pass@1。

蒸馏教师模型的监督信号时，不再对每个词一视同仁，而是先估计该词对更新后奖励的影响再决定权重。此前的方法依赖不确定性或师生分歧这类代理指标，未必对应真正提升奖励的监督。RAD用一次临时优化步做可微打分，再以投影上升更新词权重，在相同训练响应预算下把六个竞赛数学基准的平均准确率对Qwen3-1.7B提升6.5个百分点、对Qwen3-4B-Instruct-2507提升2.5个百分点，并在LiveCodeBench-v6上取得54.69%与58.67%的pass@1。

船舶轨迹预测不再依赖循环网络或多次采样。此前基于AIS的模型要么只看本船历史、要么只靠他船聚类，概率区间还要多次前向近似。这里把本船历史位置与局部KDE热图一起送入Transformer，并用分位数损失训练，在丹麦水域三个测试区上平均位移误差约0.18公里，单次前向即输出预测区间。

船舶轨迹预测不再依赖循环网络或多次采样。此前基于AIS的模型要么只看本船历史、要么只靠他船聚类，概率区间还要多次前向近似。这里把本船历史位置与局部KDE热图一起送入Transformer，并用分位数损失训练，在丹麦水域三个测试区上平均位移误差约0.18公里，单次前向即输出预测区间。

流匹配模型的分类器无关引导此前对所有潜变量token使用同一个缩放系数，而各token的速度预测在采样过程中变化并不一致。TrajCFG把引导速度方向的历史变化映射为有界系数，方向变化大的token给更强引导，方向稳定的token给更弱引导，并融合相邻步与区间归一化的长跨度反馈，且不增加模型评估次数。在文本到视频、图像到视频、文本-音频-视频、文本到图像和图像到3D生成上，它相对基础采样器均有提升；文本到视频在三个骨干上VBench总分比各自最强基线高0.30至0.75分。

流匹配模型的分类器无关引导此前对所有潜变量token使用同一个缩放系数，而各token的速度预测在采样过程中变化并不一致。TrajCFG把引导速度方向的历史变化映射为有界系数，方向变化大的token给更强引导，方向稳定的token给更弱引导，并融合相邻步与区间归一化的长跨度反馈，且不增加模型评估次数。在文本到视频、图像到视频、文本-音频-视频、文本到图像和图像到3D生成上，它相对基础采样器均有提升；文本到视频在三个骨干上VBench总分比各自最强基线高0.30至0.75分。

vLLM新增推送式NIXL连接器，把预填充到解码的KV缓存传输协调从关键路径上移开。此前拉取模式要等预填充完成后，由路由器把元数据转给解码实例，解码端再分配块并发起读取，这段串行开销直接计入首token延迟。推送模式让解码端在分配块时就登记目标位置，预填充端在后台线程发起NIXL WRITE，在Qwen3-32B、1P1D的P5en加EFA部署上，8 QPS、16k输入时首token延迟从约1744毫秒降到约540毫秒，TPOT从约10.4毫秒降到约7毫秒，结果随负载与配置变化。

vLLM新增推送式NIXL连接器，把预填充到解码的KV缓存传输协调从关键路径上移开。此前拉取模式要等预填充完成后，由路由器把元数据转给解码实例，解码端再分配块并发起读取，这段串行开销直接计入首token延迟。推送模式让解码端在分配块时就登记目标位置，预填充端在后台线程发起NIXL WRITE，在Qwen3-32B、1P1D的P5en加EFA部署上，8 QPS、16k输入时首token延迟从约1744毫秒降到约540毫秒，TPOT从约10.4毫秒降到约7毫秒，结果随负载与配置变化。

步态属性识别有了一个大规模多模态基准：RA-GAR 收录 1001 名受试者、242729 段行走序列，并标注 15 项静态与运动步态属性，用来补上细粒度标注不足的缺口。配套的 Gait-VL 不再用分类器输出权重代表候选类别，而是把属性专属的多帧视觉证据与文本类别原型直接匹配。在 RA-GAR 上属性识别达到当前最好水平，且用属性预训练替换通用上游视觉模型后，多个身份识别流程与基准上出现一致提升。

步态属性识别有了一个大规模多模态基准：RA-GAR 收录 1001 名受试者、242729 段行走序列，并标注 15 项静态与运动步态属性，用来补上细粒度标注不足的缺口。配套的 Gait-VL 不再用分类器输出权重代表候选类别，而是把属性专属的多帧视觉证据与文本类别原型直接匹配。在 RA-GAR 上属性识别达到当前最好水平，且用属性预训练替换通用上游视觉模型后，多个身份识别流程与基准上出现一致提升。

立场检测的提示词优化改成按功能拆成六个模块逐个改写，错误反馈按金标标签分流，在 SemEval-2016 上五个开源权重模型里有四个的平均 Macro-F1 高于把错误混在一起的做法。

立场检测的提示词优化改成按功能拆成六个模块逐个改写，错误反馈按金标标签分流，在 SemEval-2016 上五个开源权重模型里有四个的平均 Macro-F1 高于把错误混在一起的做法。

智能眼镜双人对话的带时间戳说话人转写，在解码前先做目标说话人提取或语音分离，验证集上重叠比例越高，错误率下降越明显。

智能眼镜双人对话的带时间戳说话人转写，在解码前先做目标说话人提取或语音分离，验证集上重叠比例越高，错误率下降越明显。

血流接触类医疗器械的水动力设计长期依赖网格化CFD，网格结构与算力开销拖慢优化。一种无网格物理信息神经网络把轴对称质量守恒方程写进损失函数，在FDA参考喷嘴几何上以实验PIV/LDV数据训练，覆盖层流、转捩到完全湍流（Re=500–6500），高分辨率重建流场与湍动能分布，并给出峰值湍动能的经验关联式作为快速水动力指标。

血流接触类医疗器械的水动力设计长期依赖网格化CFD，网格结构与算力开销拖慢优化。一种无网格物理信息神经网络把轴对称质量守恒方程写进损失函数，在FDA参考喷嘴几何上以实验PIV/LDV数据训练，覆盖层流、转捩到完全湍流（Re=500–6500），高分辨率重建流场与湍动能分布，并给出峰值湍动能的经验关联式作为快速水动力指标。

泛血管介入研究开始把“可追溯”写进智能体的输出契约：ScienceBuddy-PV 在公开冠脉造影基准 ARCADE 上固定一个共享卷积模型，只评估证据门控与动作审计，门控在狭窄帧上放行 76.7% 的候选，而纯分数比较器放行 100%。锁定测试集上狭窄分割 Dice 为 0.231、AUROC 为 0.957，但像素阳性率仅 0.00975，且参考病灶候选被接受 44.3%、被拒 55.7%。该结果属于图像级技术验证，递归改进与模型学习循环仍是协议而非已执行实验。

泛血管介入研究开始把“可追溯”写进智能体的输出契约：ScienceBuddy-PV 在公开冠脉造影基准 ARCADE 上固定一个共享卷积模型，只评估证据门控与动作审计，门控在狭窄帧上放行 76.7% 的候选，而纯分数比较器放行 100%。锁定测试集上狭窄分割 Dice 为 0.231、AUROC 为 0.957，但像素阳性率仅 0.00975，且参考病灶候选被接受 44.3%、被拒 55.7%。该结果属于图像级技术验证，递归改进与模型学习循环仍是协议而非已执行实验。

复杂网络中的关键节点识别有了跨尺度做法。此前中心性指标与学习类方法往往只在单一网络尺度上整合结构信息，难以同时利用局部、社区和全局模式。CSBA-Net把三种尺度的结构表示分别提取，再用带多头自注意力的双向门控循环单元建模尺度间依赖，并以SIR扩散模拟得到的节点影响力作为回归目标；在24个真实网络和12个合成网络上，其排序指标优于所比较的中心性、卷积和图神经网络基线。

复杂网络中的关键节点识别有了跨尺度做法。此前中心性指标与学习类方法往往只在单一网络尺度上整合结构信息，难以同时利用局部、社区和全局模式。CSBA-Net把三种尺度的结构表示分别提取，再用带多头自注意力的双向门控循环单元建模尺度间依赖，并以SIR扩散模拟得到的节点影响力作为回归目标；在24个真实网络和12个合成网络上，其排序指标优于所比较的中心性、卷积和图神经网络基线。

ElevenLabs把自家客服跑在ElevenAgents上，每月超过2.2万张工单不再需要人工介入，上个月其中65%由代理端到端解决，首次响应从数小时降到60秒。

ElevenLabs把自家客服跑在ElevenAgents上，每月超过2.2万张工单不再需要人工介入，上个月其中65%由代理端到端解决，首次响应从数小时降到60秒。

REA把智能体接到一组本地分析工具上，用来查看原生二进制、JavaScript与Electron应用、.NET程序集和网站，让智能体在没有源码的情况下解释某个功能如何实现，并给出结论所依据的证据与局限。它通过MCP注册到Claude Code、Codex、Cursor、Gemini CLI等智能体，也提供同样的命令行工作流；原生分析可复用已有的Hopper、Ghidra或IDA安装，静态JavaScript分析不需要原生分析引擎。

REA把智能体接到一组本地分析工具上，用来查看原生二进制、JavaScript与Electron应用、.NET程序集和网站，让智能体在没有源码的情况下解释某个功能如何实现，并给出结论所依据的证据与局限。它通过MCP注册到Claude Code、Codex、Cursor、Gemini CLI等智能体，也提供同样的命令行工作流；原生分析可复用已有的Hopper、Ghidra或IDA安装，静态JavaScript分析不需要原生分析引擎。

Skyvern在2026年6月的更新中把Workflows整体更名为Agents，公开API迁到/agents并接受agent_id别名，原有workflow_id输入与/workflows端点继续可用。

Skyvern在2026年6月的更新中把Workflows整体更名为Agents，公开API迁到/agents并接受agent_id别名，原有workflow_id输入与/workflows端点继续可用。

Claude 平台把 Managed Agents、Messages API 和 Claude SDK 的智能体运行轨迹以标准 OpenTelemetry 形式导出，模型调用、工具调用和 MCP 服务器调用都带延迟、token 与 ID 进入既有可观测性工具。

Claude 平台把 Managed Agents、Messages API 和 Claude SDK 的智能体运行轨迹以标准 OpenTelemetry 形式导出，模型调用、工具调用和 MCP 服务器调用都带延迟、token 与 ID 进入既有可观测性工具。

谷歌把面向复杂工作流的前沿模型 Gemini 4 Argon 开放给开发者使用，覆盖真实软件工程、企业知识工作和网络安全防御。它针对需要深度推理与结构精度的长周期任务设计，例如代码迁移和前沿研究，可处理多步骤问题。开发者可通过 Gemini API 付费层在 Google AI Studio 与 Android Studio 中开始构建，Google AI Ultra 订阅者还可在 AI Studio 以及智能体优先的开发平台 Google Antigravity 中试用。

谷歌把面向复杂工作流的前沿模型 Gemini 4 Argon 开放给开发者使用，覆盖真实软件工程、企业知识工作和网络安全防御。它针对需要深度推理与结构精度的长周期任务设计，例如代码迁移和前沿研究，可处理多步骤问题。开发者可通过 Gemini API 付费层在 Google AI Studio 与 Android Studio 中开始构建，Google AI Ultra 订阅者还可在 AI Studio 以及智能体优先的开发平台 Google Antigravity 中试用。

AMD在2026年OCP全球峰会上展示了面向智能体AI的开放全栈基础设施，其中Helios机架在2025年OCP首秀一年后进入量产爬坡，已开始客户交付、部署与工作负载验证，首批系统在OpenAI、Meta、微软和Oracle安装运行；Helion机架则允许客户按智能体负载调整CPU核密度、性能与功耗，提供纯CPU与CPU/GPU两种配置，计划2026年11月推出，AMD还计划把Helion架构贡献给OCP。

AMD在2026年OCP全球峰会上展示了面向智能体AI的开放全栈基础设施，其中Helios机架在2025年OCP首秀一年后进入量产爬坡，已开始客户交付、部署与工作负载验证，首批系统在OpenAI、Meta、微软和Oracle安装运行；Helion机架则允许客户按智能体负载调整CPU核密度、性能与功耗，提供纯CPU与CPU/GPU两种配置，计划2026年11月推出，AMD还计划把Helion架构贡献给OCP。

开源项目 PentAGI 把渗透测试任务交给一套全自主的多智能体系统，智能体之间通过图结构协作，可自托管部署。此前这类复杂攻击流程主要依赖人工逐步操作或单一模型驱动，而该项目以 Go 后端、React 前端和 GraphQL 接口组成完整系统，并给出 Docker Compose 部署方式。项目以 MIT 许可证发布，仓库已积累约 2.93 万星标和 4400 次复刻。

开源项目 PentAGI 把渗透测试任务交给一套全自主的多智能体系统，智能体之间通过图结构协作，可自托管部署。此前这类复杂攻击流程主要依赖人工逐步操作或单一模型驱动，而该项目以 Go 后端、React 前端和 GraphQL 接口组成完整系统，并给出 Docker Compose 部署方式。项目以 MIT 许可证发布，仓库已积累约 2.93 万星标和 4400 次复刻。

Sakana AI为Sakana Chat上线My Fish，把原本在后台运行的记忆功能变成可查看的界面：用户能看到它记住了什么、何时用过、记忆之间如何相连。

Sakana AI为Sakana Chat上线My Fish，把原本在后台运行的记忆功能变成可查看的界面：用户能看到它记住了什么、何时用过、记忆之间如何相连。

Mastra平台上线Metrics API，让开发者用客户端SDK、命令行或可观测性端点查询生产项目的token用量、模型成本、延迟和错误率。此前这些指标只能在平台和Studio里查看，无法自行构造查询。现在可以按时间范围、状态过滤和分组维度组合出总量、明细、时间序列与百分位数据，用于自定义报表、仪表盘、下游数据投递和成本或错误率上升时的告警。

Mastra平台上线Metrics API，让开发者用客户端SDK、命令行或可观测性端点查询生产项目的token用量、模型成本、延迟和错误率。此前这些指标只能在平台和Studio里查看，无法自行构造查询。现在可以按时间范围、状态过滤和分组维度组合出总量、明细、时间序列与百分位数据，用于自定义报表、仪表盘、下游数据投递和成本或错误率上升时的告警。