AI 与科学前沿 · 2026-10-23

只用高斯噪声查询教师模型做蒸馏，学生模型仍会继承教师对训练样本的记忆和植入的后门，前提是师生共享同一个公开初始化。MNIST 上，仅通过从未训练过的辅助输出蒸馏，成员推断 AUC 达 0.86、后门攻击成功率提升 93%；独立初始化的学生则接近随机。在公开基座微调的现实威胁下，攻击者不持有任何训练数据，仅用噪声查询即可恢复 93% 私有金丝雀的记忆标签。

只用高斯噪声查询教师模型做蒸馏，学生模型仍会继承教师对训练样本的记忆和植入的后门，前提是师生共享同一个公开初始化。MNIST 上，仅通过从未训练过的辅助输出蒸馏，成员推断 AUC 达 0.86、后门攻击成功率提升 93%；独立初始化的学生则接近随机。在公开基座微调的现实威胁下，攻击者不持有任何训练数据，仅用噪声查询即可恢复 93% 私有金丝雀的记忆标签。

表面码纠错解码器此前无论实际错误多少，都要处理整张 $d^2 \times R$ 的综合征阵列，而物理错误率约0.1%时只有不到5%的条目被触发。稀疏Mamba解码器（SMD）只处理被触发的k个探测事件，每个事件用13维特征描述，再用Mamba状态空间骨干在O(k)时间内给出逻辑判断。在SI1000噪声、$p=1.5\times10^{-3}$下，三检查点集成把d=7的逻辑错误率相对MWPM降低16%，单模型在d=3和d=5的比值分别为0.65和0.51。

表面码纠错解码器此前无论实际错误多少，都要处理整张 $d^2 \times R$ 的综合征阵列，而物理错误率约0.1%时只有不到5%的条目被触发。稀疏Mamba解码器（SMD）只处理被触发的k个探测事件，每个事件用13维特征描述，再用Mamba状态空间骨干在O(k)时间内给出逻辑判断。在SI1000噪声、$p=1.5\times10^{-3}$下，三检查点集成把d=7的逻辑错误率相对MWPM降低16%，单模型在d=3和d=5的比值分别为0.65和0.51。

深度视觉蛋白组学（DVP）此前缺少开源端到端流程，限制了推广与系统评测。openDVP把图像处理、细胞表型、激光显微切割与质谱蛋白组学串成模块化流程，并提供无需图像分析经验的快速通道。在胎盘、早期肺癌与复发乳腺癌三份存档组织上，按细胞邻域取样比逐细胞取样快约100倍，蛋白鉴定数平均提高26%。

深度视觉蛋白组学（DVP）此前缺少开源端到端流程，限制了推广与系统评测。openDVP把图像处理、细胞表型、激光显微切割与质谱蛋白组学串成模块化流程，并提供无需图像分析经验的快速通道。在胎盘、早期肺癌与复发乳腺癌三份存档组织上，按细胞邻域取样比逐细胞取样快约100倍，蛋白鉴定数平均提高26%。

Ai2发布OlmoEarth v1.3卫星嵌入模型，把一年的雷达与多光谱卫星时间序列压缩为每个10米像素一个128维向量，并预先算好全球年度嵌入公开共享。此前使用OlmoEarth主要靠在OlmoEarth Studio中为每个任务微调模型，需要GPU和下载存储影像。与AlphaEarth Foundations和Tessera v2在六大洲27项评测上比较，128维嵌入在20项上得分最高，64维版本在18项上领先。

Ai2发布OlmoEarth v1.3卫星嵌入模型，把一年的雷达与多光谱卫星时间序列压缩为每个10米像素一个128维向量，并预先算好全球年度嵌入公开共享。此前使用OlmoEarth主要靠在OlmoEarth Studio中为每个任务微调模型，需要GPU和下载存储影像。与AlphaEarth Foundations和Tessera v2在六大洲27项评测上比较，128维嵌入在20项上得分最高，64维版本在18项上领先。

基因组选择中该给哪些品系测表型，长期靠经验或按与目标品系的平均亲缘关系挑选。TSOpt把训练集设计改成对预测误差方差的精确秩一更新，在IRRI的328个水稻精英品系上，相对随机抽样把预测能力提高0.097，单次设计约0.1秒，比STPGA快约900倍。25个设计品系对籽粒产量的预测相当于约103个随机品系，抽穗期和株高分别相当于76个和167个；四个季节只测四分之一品系×季节组合时，其稀疏测试分配也优于按品系均衡的随机分配。

基因组选择中该给哪些品系测表型，长期靠经验或按与目标品系的平均亲缘关系挑选。TSOpt把训练集设计改成对预测误差方差的精确秩一更新，在IRRI的328个水稻精英品系上，相对随机抽样把预测能力提高0.097，单次设计约0.1秒，比STPGA快约900倍。25个设计品系对籽粒产量的预测相当于约103个随机品系，抽穗期和株高分别相当于76个和167个；四个季节只测四分之一品系×季节组合时，其稀疏测试分配也优于按品系均衡的随机分配。

公开道路缺陷数据集BharatPotHole的发布划分存在训练—测试重叠：38.8%的测试图像在训练集中有近重复，99.4%的测试图像来自训练用过的视频。按视频去重重新划分后，同一YOLO26n检测器在正样本测试图像上的AP50从发布测试集的0.619降到无近重复子集的0.467，配对差0.152（95%置信区间0.090–0.234）。在受控污染试验中，把未见测试图像换成训练帧副本可把视频隔离模型的AP50从0.133抬到0.494，而换成未见帧副本时仍接近0.15。

公开道路缺陷数据集BharatPotHole的发布划分存在训练—测试重叠：38.8%的测试图像在训练集中有近重复，99.4%的测试图像来自训练用过的视频。按视频去重重新划分后，同一YOLO26n检测器在正样本测试图像上的AP50从发布测试集的0.619降到无近重复子集的0.467，配对差0.152（95%置信区间0.090–0.234）。在受控污染试验中，把未见测试图像换成训练帧副本可把视频隔离模型的AP50从0.133抬到0.494，而换成未见帧副本时仍接近0.15。

SCCGBench把服务调用代码的评测从文本相似度改成虚拟执行命中，在612条测试样本上，最强模型仅3.76%的请求同时命中正确主机、端点和HTTP方法。

SCCGBench把服务调用代码的评测从文本相似度改成虚拟执行命中，在612条测试样本上，最强模型仅3.76%的请求同时命中正确主机、端点和HTTP方法。

实时心电监护只能用因果滤波器，而这类滤波器的非线性相位会把心电波形不同频率成分错开。在三个独立临床数据库共36,583条12导联心电记录上，仅改变相位、保持频谱幅度不变，ResNet-18的宏AUROC在PTB-XL上下降0.1244，传导阻滞类识别从0.91以上跌到约0.62。一种训练时随机施加全通相位扰动的正则化方法，在各队列挽回了86.9%至90.9%的相位致性能损失，且不改变模型结构。

实时心电监护只能用因果滤波器，而这类滤波器的非线性相位会把心电波形不同频率成分错开。在三个独立临床数据库共36,583条12导联心电记录上，仅改变相位、保持频谱幅度不变，ResNet-18的宏AUROC在PTB-XL上下降0.1244，传导阻滞类识别从0.91以上跌到约0.62。一种训练时随机施加全通相位扰动的正则化方法，在各队列挽回了86.9%至90.9%的相位致性能损失，且不改变模型结构。

大面积触觉传感过去要靠密集排布传感单元并逐条布线，面积和分辨率一放大，连线与成本就跟着涨。研究团队把一条蛇形走线的电磁表面波传输线铺在柔性聚酰亚胺上，从两端注入7至13 GHz扫频信号，用双端口反射谱编码接触位置，再由多分支多层感知机解出坐标。两个面积相差一个数量级的原型（5×5与16×18厘米）超分辨因子均超过10000，小面积原型二维定位均方根误差0.368毫米，大面积原型为1.209毫米。

大面积触觉传感过去要靠密集排布传感单元并逐条布线，面积和分辨率一放大，连线与成本就跟着涨。研究团队把一条蛇形走线的电磁表面波传输线铺在柔性聚酰亚胺上，从两端注入7至13 GHz扫频信号，用双端口反射谱编码接触位置，再由多分支多层感知机解出坐标。两个面积相差一个数量级的原型（5×5与16×18厘米）超分辨因子均超过10000，小面积原型二维定位均方根误差0.368毫米，大面积原型为1.209毫米。

MiniMax 开源 MiniMax-M3.1-Flash，vLLM 在发布当天于 NVIDIA Blackwell、Rubin 与 AMD MI350 系列 GPU 上提供支持。该模型针对 NVFP4 KV 缓存做量化感知训练，路由专家权重也以 NVFP4 存储，检查点从 451.5 GB 降到 250.1 GB，每 token 的 KV 缓存从 61,440 字节降到 34,560 字节。在四块 NVIDIA B300、DEP4 部署、256K token 序列下，M3.1 可容纳 76 条并发序列，而使用 FP8 KV 缓存的 M3 为 28 条。

MiniMax 开源 MiniMax-M3.1-Flash，vLLM 在发布当天于 NVIDIA Blackwell、Rubin 与 AMD MI350 系列 GPU 上提供支持。该模型针对 NVFP4 KV 缓存做量化感知训练，路由专家权重也以 NVFP4 存储，检查点从 451.5 GB 降到 250.1 GB，每 token 的 KV 缓存从 61,440 字节降到 34,560 字节。在四块 NVIDIA B300、DEP4 部署、256K token 序列下，M3.1 可容纳 76 条并发序列，而使用 FP8 KV 缓存的 M3 为 28 条。

前沿AI智能体的“时间视野”通常按平均成功率计算，即智能体以50%概率完成、人类专家需耗时多久的任务。该分析改用METR公开的逐次运行记录，把同一任务重复四次全部成功的概率也拟合成随任务时长变化的曲线，得到“可靠性视野”。在50个模型与基准版本的组合中，可靠性视野都短于能力视野，几何平均比值约2.4；这一差距在2023年至2026年初的模型代际间没有显著收窄。

前沿AI智能体的“时间视野”通常按平均成功率计算，即智能体以50%概率完成、人类专家需耗时多久的任务。该分析改用METR公开的逐次运行记录，把同一任务重复四次全部成功的概率也拟合成随任务时长变化的曲线，得到“可靠性视野”。在50个模型与基准版本的组合中，可靠性视野都短于能力视野，几何平均比值约2.4；这一差距在2023年至2026年初的模型代际间没有显著收窄。

在只有20例本地标注的情况下，一套面向超声心动图视频的智能体框架完成了左心室分割与射血分数估算。它把经低秩适配微调的视频分割基础模型、由掩膜引导的长轴回归模块和自然语言交互层串成一条流程，在Mayo Clinic的98例队列上把射血分数中位绝对误差从5.47%降到4.33%，落在±10个百分点内的病例比例从80.6%升到83.3%。在公开数据集EchoNet-Dynamic上，该框架的分割Dice为0.934，射血分数中位误差为4.24%。

在只有20例本地标注的情况下，一套面向超声心动图视频的智能体框架完成了左心室分割与射血分数估算。它把经低秩适配微调的视频分割基础模型、由掩膜引导的长轴回归模块和自然语言交互层串成一条流程，在Mayo Clinic的98例队列上把射血分数中位绝对误差从5.47%降到4.33%，落在±10个百分点内的病例比例从80.6%升到83.3%。在公开数据集EchoNet-Dynamic上，该框架的分割Dice为0.934，射血分数中位误差为4.24%。

Fireworks发布ARCv3压缩器，用于把训练端发往 rollout 机器的BF16权重更新压成增量。此前跨区强化学习要反复传输完整检查点，或依赖ARCv2等压缩方案；ARCv3按权重变化的位级结构编码，只传尾数变化，把罕见的指数与符号变化单独打包。在1000个来自生产强化学习负载的权重更新增量上，ARCv3的平均载荷约为原始BF16权重的0.19%，低于ARCv2的0.36%，且重建结果与训练端逐位一致。

Fireworks发布ARCv3压缩器，用于把训练端发往 rollout 机器的BF16权重更新压成增量。此前跨区强化学习要反复传输完整检查点，或依赖ARCv2等压缩方案；ARCv3按权重变化的位级结构编码，只传尾数变化，把罕见的指数与符号变化单独打包。在1000个来自生产强化学习负载的权重更新增量上，ARCv3的平均载荷约为原始BF16权重的0.19%，低于ARCv2的0.36%，且重建结果与训练端逐位一致。

TorchTitan发布年度更新，新增Muse Spark Open、Qwen3.5、Kimi K3、DeepSeek-V4等开放权重模型的PyTorch原生训练支持，并推出TitanRL，让预训练、后训练与vLLM推理共用同一份模型，避免训练与推理两套实现悄然不一致。在支持的on-policy配置下，训练器与生成器给出逐位相同的对数概率，二者差距每一步恰为零。更新还报告了DeepSeek V3 671B在MLPerf训练基准上的吞吐数据，以及FlexShard、torch_checkpointing等基础设施改进。

TorchTitan发布年度更新，新增Muse Spark Open、Qwen3.5、Kimi K3、DeepSeek-V4等开放权重模型的PyTorch原生训练支持，并推出TitanRL，让预训练、后训练与vLLM推理共用同一份模型，避免训练与推理两套实现悄然不一致。在支持的on-policy配置下，训练器与生成器给出逐位相同的对数概率，二者差距每一步恰为零。更新还报告了DeepSeek V3 671B在MLPerf训练基准上的吞吐数据，以及FlexShard、torch_checkpointing等基础设施改进。

AMD MI350 系列 GPU 上的 PyTorch 用户现在可以通过既有算子接口调用 FlyDSL 内核，覆盖稠密与分组 GEMM、MXFP8/MXFP4 缩放 GEMM、RMSNorm、TopK 以及经 AOTriton 的注意力。此前这些算子只能走 ATen 或 Triton 等实现；在 MI355X 的算子级测试中，FlyDSL 对 15 个 BF16 稠密 GEMM 形状相对逐形状更快的 ATen/Triton 取得 1.10 倍几何平均加速，MXFP8 与 MXFP4 相对 ATen 分别为 1.58 倍和 1.68 倍。端到端 vLLM 测试中整请求加速最高为 BF16 的 1.13 倍、MXFP8 的 2.04 倍和 MXFP4 的 3.01 倍，具体取决于模型与并发度。

AMD MI350 系列 GPU 上的 PyTorch 用户现在可以通过既有算子接口调用 FlyDSL 内核，覆盖稠密与分组 GEMM、MXFP8/MXFP4 缩放 GEMM、RMSNorm、TopK 以及经 AOTriton 的注意力。此前这些算子只能走 ATen 或 Triton 等实现；在 MI355X 的算子级测试中，FlyDSL 对 15 个 BF16 稠密 GEMM 形状相对逐形状更快的 ATen/Triton 取得 1.10 倍几何平均加速，MXFP8 与 MXFP4 相对 ATen 分别为 1.58 倍和 1.68 倍。端到端 vLLM 测试中整请求加速最高为 BF16 的 1.13 倍、MXFP8 的 2.04 倍和 MXFP4 的 3.01 倍，具体取决于模型与并发度。

加拿大林火危险图过去靠BurnP3+逐次模拟数百万次点火，全国制图耗时一年多。加拿大林务局与Mila合作训练的AI仿真器在数秒内复现该模拟器结果，按硬件不同快806至3400倍，一年任务缩到2至11小时。它不替代BurnP3+，而是先快速筛参数，再由原模拟器精确计算。

加拿大林火危险图过去靠BurnP3+逐次模拟数百万次点火，全国制图耗时一年多。加拿大林务局与Mila合作训练的AI仿真器在数秒内复现该模拟器结果，按硬件不同快806至3400倍，一年任务缩到2至11小时。它不替代BurnP3+，而是先快速筛参数，再由原模拟器精确计算。

智能体常声称任务完成，数据库里却留下错误记录。ThinkingBox 把对数据库终态的确定性检查当作奖励，在基准之外的任务上训练 Qwen3.8-27B：50 步 GRPO 后，平均成功率从 51.70% 升到 60.78%，20 次尝试全部通过的任务从 38 个增至 107 个，而至少通过一次的任务从 453 个降到 446 个。训练池按基础策略的相对难度离线筛选，基准 507 个任务未参与训练。

智能体常声称任务完成，数据库里却留下错误记录。ThinkingBox 把对数据库终态的确定性检查当作奖励，在基准之外的任务上训练 Qwen3.8-27B：50 步 GRPO 后，平均成功率从 51.70% 升到 60.78%，20 次尝试全部通过的任务从 38 个增至 107 个，而至少通过一次的任务从 453 个降到 446 个。训练池按基础策略的相对难度离线筛选，基准 507 个任务未参与训练。

从一张文档图像直接写出可执行的SQLite数据库，而不只是保留版式的表格标记。PIX2DB用Qwen3-VL-2B加LoRA在36,589个带精确金标准数据库的样本上训练，再经确定性校验修复层，在来自未见数据库的渲染表上取得0.86表级完全匹配和0.99外键召回，同族8B模型提示生成SQL为0.75/0.75，8B的HTML转SQLite流程为0.47/0.00。在未参与训练的TabRecSet上它写出数据库的直接系统里最好（0.52），但仍落后8B HTML流程（0.58），差距主要在照片文字识读。

从一张文档图像直接写出可执行的SQLite数据库，而不只是保留版式的表格标记。PIX2DB用Qwen3-VL-2B加LoRA在36,589个带精确金标准数据库的样本上训练，再经确定性校验修复层，在来自未见数据库的渲染表上取得0.86表级完全匹配和0.99外键召回，同族8B模型提示生成SQL为0.75/0.75，8B的HTML转SQLite流程为0.47/0.00。在未参与训练的TabRecSet上它写出数据库的直接系统里最好（0.52），但仍落后8B HTML流程（0.58），差距主要在照片文字识读。

Kolibri 是在 38 个环境、120 万个任务上做强化学习后训练的内部大模型，其训练栈的设计由扩展中暴露的问题驱动。早期数学与代码检查与所有轨迹共用同一 Python 进程，一个卡死的解析器会拖住同进程的其他轨迹；改为每个检查在带超时的隔离进程中运行后，卡死只让该条轨迹得零分。沙箱、判题模型与检索服务也从外部依赖转为在训练作业内自托管，以支撑任意时刻约 2.5 万个活跃沙箱。

Kolibri 是在 38 个环境、120 万个任务上做强化学习后训练的内部大模型，其训练栈的设计由扩展中暴露的问题驱动。早期数学与代码检查与所有轨迹共用同一 Python 进程，一个卡死的解析器会拖住同进程的其他轨迹；改为每个检查在带超时的隔离进程中运行后，卡死只让该条轨迹得零分。沙箱、判题模型与检索服务也从外部依赖转为在训练作业内自托管，以支撑任意时刻约 2.5 万个活跃沙箱。

多资产美式期权的提前行权边界未知，而节点法按张量积推广到 d 个资产需要 O(N^d) 个节点。一种物理约束神经网络用 tanh 前馈网络表示期权价值，靠自动微分计算多资产 Black–Scholes 算子，并以采样配点代替网格训练。在两资产美式篮子看跌期权上，采用单侧残差惩罚与光滑 Fischer–Burmeister 互补函数的 8000 轮配置给出 7.8669，比 Longstaff–Schwartz 蒙特卡洛参考值 6.9005 高 0.97，约 14%，是全部八组训练配置中最接近该参考的一次。

多资产美式期权的提前行权边界未知，而节点法按张量积推广到 d 个资产需要 O(N^d) 个节点。一种物理约束神经网络用 tanh 前馈网络表示期权价值，靠自动微分计算多资产 Black–Scholes 算子，并以采样配点代替网格训练。在两资产美式篮子看跌期权上，采用单侧残差惩罚与光滑 Fischer–Burmeister 互补函数的 8000 轮配置给出 7.8669，比 Longstaff–Schwartz 蒙特卡洛参考值 6.9005 高 0.97，约 14%，是全部八组训练配置中最接近该参考的一次。

单细胞三维基因组数据极度稀疏，拓扑结构域边界难以稳定识别，跨细胞位置偏差又让边界出现频率和强度无法直接比较。CellRoB把单细胞边界检测与跨细胞对齐结合起来，以绝缘分数损失最小化对齐边界位置，在小鼠脑Dip-C和人GM12878 scMicro-C数据上从40 kb到5 kb分辨率改善了边界识别准确性与对接触丢失的稳健性。在小鼠胚胎多模态数据上，边界强度谱把RNA嵌入中未被分开的EPI细胞分成两个亚群。

单细胞三维基因组数据极度稀疏，拓扑结构域边界难以稳定识别，跨细胞位置偏差又让边界出现频率和强度无法直接比较。CellRoB把单细胞边界检测与跨细胞对齐结合起来，以绝缘分数损失最小化对齐边界位置，在小鼠脑Dip-C和人GM12878 scMicro-C数据上从40 kb到5 kb分辨率改善了边界识别准确性与对接触丢失的稳健性。在小鼠胚胎多模态数据上，边界强度谱把RNA嵌入中未被分开的EPI细胞分成两个亚群。

患者安全推理需要把临床叙述、用药、检验与不良事件之间的关系连起来，单靠大语言模型容易给出看似合理却缺乏依据的结论。同一批 MIMIC-III/IV 病例在相同 LLaMA 2 7B 与提示下被分别置于四种条件：纯模型、加检索增强生成、加患者安全知识图谱与本体、两者兼有。完整框架在概念抽取上达到 F1 0.89，相对基线提升 0.046；消融中移除知识图谱的降幅最大，F1 差 0.047、AUROC 差 0.084、AUPRC 差 0.110，而移除检索增强的 F1 差 0.029，其置信区间跨过零。

患者安全推理需要把临床叙述、用药、检验与不良事件之间的关系连起来，单靠大语言模型容易给出看似合理却缺乏依据的结论。同一批 MIMIC-III/IV 病例在相同 LLaMA 2 7B 与提示下被分别置于四种条件：纯模型、加检索增强生成、加患者安全知识图谱与本体、两者兼有。完整框架在概念抽取上达到 F1 0.89，相对基线提升 0.046；消融中移除知识图谱的降幅最大，F1 差 0.047、AUROC 差 0.084、AUPRC 差 0.110，而移除检索增强的 F1 差 0.029，其置信区间跨过零。

IBM Research 发布 Granite Timeseries Ensemble，把四个架构不同的开源 Granite 时序模型组合成一套默认预测流程，无需重训、也不拟合集成权重，直接输出中位数与分位数预测。此前使用者必须自己判断哪个单体模型适合自己的序列。在 97 个 GIFT-Eval 配置上，概率集成取得 0.683 的 MASE，低于最强单体 PatchTST-FM-r2 的 0.685，但差距很小，主要收益是无需预先挑模型。

IBM Research 发布 Granite Timeseries Ensemble，把四个架构不同的开源 Granite 时序模型组合成一套默认预测流程，无需重训、也不拟合集成权重，直接输出中位数与分位数预测。此前使用者必须自己判断哪个单体模型适合自己的序列。在 97 个 GIFT-Eval 配置上，概率集成取得 0.683 的 MASE，低于最强单体 PatchTST-FM-r2 的 0.685，但差距很小，主要收益是无需预先挑模型。

帕金森病诊断长期依赖症状与专家评估，多模态数据异质、标注稀缺，现有深度模型又缺少不确定性提示。NeuroQ-MGST把语音、步态、神经影像与临床指标分别经脉冲神经网络编码，用自监督对比与掩码重建对齐，再在动态异质图上做分层图Transformer关系推理，并以量子启发变分优化和蒙特卡洛Dropout给出校准置信度。在PMMD 2.0测试集上准确率98.7%、AUC-ROC 0.989，未微调的外部欧洲队列零样本准确率95.8%。

帕金森病诊断长期依赖症状与专家评估，多模态数据异质、标注稀缺，现有深度模型又缺少不确定性提示。NeuroQ-MGST把语音、步态、神经影像与临床指标分别经脉冲神经网络编码，用自监督对比与掩码重建对齐，再在动态异质图上做分层图Transformer关系推理，并以量子启发变分优化和蒙特卡洛Dropout给出校准置信度。在PMMD 2.0测试集上准确率98.7%、AUC-ROC 0.989，未微调的外部欧洲队列零样本准确率95.8%。

Z.ai 发布旗舰模型 GLM 5.2，主打面向长程智能体任务的稳定 100 万 token 上下文，并按公开基准定位为开源编码模型中的最强者。推理平台 Fireworks 没有直接转发厂商数字，而是在自有 GPU 与推理引擎上运行开放权重，在 GPQA-Diamond 上以高推理模式得到 91.4%（181/198），与 Z.ai 报告的 91.2% 基本一致。模型以 MIT 许可发布，并已在 Fireworks 上线供开发者与研究者使用。

Z.ai 发布旗舰模型 GLM 5.2，主打面向长程智能体任务的稳定 100 万 token 上下文，并按公开基准定位为开源编码模型中的最强者。推理平台 Fireworks 没有直接转发厂商数字，而是在自有 GPU 与推理引擎上运行开放权重，在 GPQA-Diamond 上以高推理模式得到 91.4%（181/198），与 Z.ai 报告的 91.2% 基本一致。模型以 MIT 许可发布，并已在 Fireworks 上线供开发者与研究者使用。

中国全新世农业并非单一农业边界的均匀外扩。研究把考古作物记录与古气候、地形、河网数据结合，构建按作物分别参数化的动态非局部扩散模型，估计6000–2000 BP新作物记录出现的相对概率。小米记录与同作物延续和非局部扩散关系最强，水稻记录最依赖湿润低地环境过滤，小麦/大麦记录则与河西走廊—中原一带的通道可达性和更高的前沿迁移性一致。

中国全新世农业并非单一农业边界的均匀外扩。研究把考古作物记录与古气候、地形、河网数据结合，构建按作物分别参数化的动态非局部扩散模型，估计6000–2000 BP新作物记录出现的相对概率。小米记录与同作物延续和非局部扩散关系最强，水稻记录最依赖湿润低地环境过滤，小麦/大麦记录则与河西走廊—中原一带的通道可达性和更高的前沿迁移性一致。

软件测试用例设计长期依赖人工，而把生成当作一次性文本翻译的模型难以处理多层业务规则。一个由解析、分诊、架构、编写、审计五个角色组成的智能体流水线，把测试生成改成带状态的推理流程，审计角色在输出前反复修正脚本。在旅行、电信、金融监管与政府岗位匹配五个数据集上，该流水线的变异得分均值为93.4%，幻觉率1.4%，冗余率7.8%，但平均生成时间达21.2小时。

软件测试用例设计长期依赖人工，而把生成当作一次性文本翻译的模型难以处理多层业务规则。一个由解析、分诊、架构、编写、审计五个角色组成的智能体流水线，把测试生成改成带状态的推理流程，审计角色在输出前反复修正脚本。在旅行、电信、金融监管与政府岗位匹配五个数据集上，该流水线的变异得分均值为93.4%，幻觉率1.4%，冗余率7.8%，但平均生成时间达21.2小时。

大模型推理训练常用的GRPO只看最终答案对错，答案正确并不代表推理过程可靠，这种“思考—答案错配”在组内样本高度不平衡时会被单个错误奖励放大。S-GRPO在奖励噪声模型下最小化观测优势与潜在优势的期望平方误差，得到闭式的噪声感知组权重，在多个数学推理基准和模型规模上稳定训练，并在标准GRPO几乎学不动的强噪声干预下仍有学习进展。

大模型推理训练常用的GRPO只看最终答案对错，答案正确并不代表推理过程可靠，这种“思考—答案错配”在组内样本高度不平衡时会被单个错误奖励放大。S-GRPO在奖励噪声模型下最小化观测优势与潜在优势的期望平方误差，得到闭式的噪声感知组权重，在多个数学推理基准和模型规模上稳定训练，并在标准GRPO几乎学不动的强噪声干预下仍有学习进展。

在引力子质量上限处，有质量引力子带来的静态修正小到虚拟世界物理引擎的浮点格式根本存不下：float64要到约5.4×10⁸米、float32要到约1.25×10¹³米才首次可表示。按格式直接计算还会因相消造出最高达真值9×10¹⁶倍的虚假修正，单精度轨道积分在1 AU处报出834公里位移而真值仅8米。同一物理在AI所用格式中相反：包括8位FP8在内都保留了引力波色散残差，表示信噪比9.7到2×10⁷。

在引力子质量上限处，有质量引力子带来的静态修正小到虚拟世界物理引擎的浮点格式根本存不下：float64要到约5.4×10⁸米、float32要到约1.25×10¹³米才首次可表示。按格式直接计算还会因相消造出最高达真值9×10¹⁶倍的虚假修正，单精度轨道积分在1 AU处报出834公里位移而真值仅8米。同一物理在AI所用格式中相反：包括8位FP8在内都保留了引力波色散残差，表示信噪比9.7到2×10⁷。

开放权重模型 Kimi K3 在 Fireworks 上线首日即可用于推理与训练，发布方称其以远低于闭源模型的成本提供前沿级能力。在前端代码竞技场 Frontend Code Arena 上，K3 以 1679 分超过 Fable 5，成为首个排到所有闭源模型之前的开放模型；在 Artificial Analysis 智能指数上以 57 分位列全球第三。Fireworks 同时推出仅限美国境内的推理端点与默认零数据保留，并开放共享 GPU 池的无服务器训练私测。

开放权重模型 Kimi K3 在 Fireworks 上线首日即可用于推理与训练，发布方称其以远低于闭源模型的成本提供前沿级能力。在前端代码竞技场 Frontend Code Arena 上，K3 以 1679 分超过 Fable 5，成为首个排到所有闭源模型之前的开放模型；在 Artificial Analysis 智能指数上以 57 分位列全球第三。Fireworks 同时推出仅限美国境内的推理端点与默认零数据保留，并开放共享 GPU 池的无服务器训练私测。

AI智能体生成的数据可视化通常停在静态图上，读者想缩放细节、跨图比较或在图表与正文之间联动时，只能靠反复写底层代码并调试。Flint-interactive在Flint之上增加了一层交互语言，让用户或智能体用高层语义事件和更新算子描述行为，由Flint编译器把点击、拖拽、按键解析成识别图表元素与数据的语义事件，再翻译成画布更新。这样交互逻辑与视觉逻辑分开，同一套模型还能把图表与表格、文本、其他图表和控件连接起来，用于仪表盘和数据故事。

AI智能体生成的数据可视化通常停在静态图上，读者想缩放细节、跨图比较或在图表与正文之间联动时，只能靠反复写底层代码并调试。Flint-interactive在Flint之上增加了一层交互语言，让用户或智能体用高层语义事件和更新算子描述行为，由Flint编译器把点击、拖拽、按键解析成识别图表元素与数据的语义事件，再翻译成画布更新。这样交互逻辑与视觉逻辑分开，同一套模型还能把图表与表格、文本、其他图表和控件连接起来，用于仪表盘和数据故事。

企业级智能体部署中，把路由器、规划器和领域子智能体折回单一主循环，往往比“一个提示包打天下”和子智能体编排两种设计质量更好，且每任务成本与延迟常更低。子智能体仍适用于上下文膨胀导致性能下降、需要并行独立上下文、或工具选择与指令冲突的场景。迁移可借助一套引导式工作流，先在模拟系统上试跑。

企业级智能体部署中，把路由器、规划器和领域子智能体折回单一主循环，往往比“一个提示包打天下”和子智能体编排两种设计质量更好，且每任务成本与延迟常更低。子智能体仍适用于上下文膨胀导致性能下降、需要并行独立上下文、或工具选择与指令冲突的场景。迁移可借助一套引导式工作流，先在模拟系统上试跑。

Eval Protocol 把 GEPA 提示词优化接入已有的评测接口，让同一套数据集、指标和任务约束既衡量智能体表现，也自动改写系统提示词。在 Text2SQL 案例中，Qwen3-32b 不改动模型权重，测试集准确率提高10%，验证集准确率提高超过5%，提示词搜索约用45分钟；同一评测随后还可作为 RFT 的目标。

Eval Protocol 把 GEPA 提示词优化接入已有的评测接口，让同一套数据集、指标和任务约束既衡量智能体表现，也自动改写系统提示词。在 Text2SQL 案例中，Qwen3-32b 不改动模型权重，测试集准确率提高10%，验证集准确率提高超过5%，提示词搜索约用45分钟；同一评测随后还可作为 RFT 的目标。

NVIDIA在GTC Berlin宣布为DGX Spark提供八节点集群的官方支持，把统一内存从单节点的128 GB扩展到1 TB，使此前在四节点系统上无法启动的前沿级模型得以在本地加载。八节点集群上，完整的GLM 5.3（753B）检查点可以运行，GLM 5.3 Flash的生成速度约为每秒80个token；在稠密Qwen3.8-27B（NVFP4）上，解码吞吐从单节点的约12 TPS升到八节点的52 TPS。

NVIDIA在GTC Berlin宣布为DGX Spark提供八节点集群的官方支持，把统一内存从单节点的128 GB扩展到1 TB，使此前在四节点系统上无法启动的前沿级模型得以在本地加载。八节点集群上，完整的GLM 5.3（753B）检查点可以运行，GLM 5.3 Flash的生成速度约为每秒80个token；在稠密Qwen3.8-27B（NVFP4）上，解码吞吐从单节点的约12 TPS升到八节点的52 TPS。

约束系统诊断需要一次找出多个最小冲突，MergeXplain 用一次分解返回多个冲突，但此前只把两条递归分支并行，消除跨半区冲突的合并循环仍串行。ParallelMergeXplain 在限定深度内并行递归分支，并把合并循环中每次 GetConflict 换成基于 QXGen 前瞻的推测并行版本。在2核机器上，全部非平凡配置的平均墙钟加速为1.21倍（标准差0.20），真实 SATLIB uf50-218 实例上 par full 在 p=2 时平均加速1.531倍，且返回结果与串行 MergeXplain 完全一致。

约束系统诊断需要一次找出多个最小冲突，MergeXplain 用一次分解返回多个冲突，但此前只把两条递归分支并行，消除跨半区冲突的合并循环仍串行。ParallelMergeXplain 在限定深度内并行递归分支，并把合并循环中每次 GetConflict 换成基于 QXGen 前瞻的推测并行版本。在2核机器上，全部非平凡配置的平均墙钟加速为1.21倍（标准差0.20），真实 SATLIB uf50-218 实例上 par full 在 p=2 时平均加速1.531倍，且返回结果与串行 MergeXplain 完全一致。

纵向联邦学习中的主动标签推断会在攻击方嵌入里留下类别可分性异常，服务器据此触发只作用于攻击方的防御，在CIFAR-10、CIFAR-100和CINIC-10上把标签推断压到诚实训练本身的泄漏水平以下，任务精度损失不到两个点。

纵向联邦学习中的主动标签推断会在攻击方嵌入里留下类别可分性异常，服务器据此触发只作用于攻击方的防御，在CIFAR-10、CIFAR-100和CINIC-10上把标签推断压到诚实训练本身的泄漏水平以下，任务精度损失不到两个点。

从母乳、婴儿粪便和发酵食品分离的88株乳杆菌中，筛出两株植物乳植杆菌CYLB2146与CYLB2189，它们对加德纳菌、无乳链球菌、淋病奈瑟菌和念珠菌有抑制作用，并降低阴道上皮细胞的炎症因子。在小鼠细菌性阴道病模型中，活菌及其无细胞上清液处理5天后把加德纳菌载量从对照的51.2倍和41.6倍降到3.2倍、11.1倍与3.2倍、0.7倍，第10天进一步接近健康水平。

从母乳、婴儿粪便和发酵食品分离的88株乳杆菌中，筛出两株植物乳植杆菌CYLB2146与CYLB2189，它们对加德纳菌、无乳链球菌、淋病奈瑟菌和念珠菌有抑制作用，并降低阴道上皮细胞的炎症因子。在小鼠细菌性阴道病模型中，活菌及其无细胞上清液处理5天后把加德纳菌载量从对照的51.2倍和41.6倍降到3.2倍、11.1倍与3.2倍、0.7倍，第10天进一步接近健康水平。

Liquid AI 发布面向实时请求路径的低延迟推理引擎 RIPL，让 Liquid 基础模型在持续峰值流量下端到端返回完整生成响应的时间低于 50 毫秒。此前的服务设施面向通用模型、大批量和长时智能体工作流，每秒级延迟可接受；而搜索排序、推荐、欺诈判定等企业实时负载需要毫秒级答案，长期依赖梯度提升树或小型嵌入模型这类更快但精度较低的方法。RIPL 试图改变这一取舍，并已在 Shopify 的搜索增强等生产负载上运行。

Liquid AI 发布面向实时请求路径的低延迟推理引擎 RIPL，让 Liquid 基础模型在持续峰值流量下端到端返回完整生成响应的时间低于 50 毫秒。此前的服务设施面向通用模型、大批量和长时智能体工作流，每秒级延迟可接受；而搜索排序、推荐、欺诈判定等企业实时负载需要毫秒级答案，长期依赖梯度提升树或小型嵌入模型这类更快但精度较低的方法。RIPL 试图改变这一取舍，并已在 Shopify 的搜索增强等生产负载上运行。

心理预测要同时判断角色会做什么、以及它相信什么，而只做表层拟合的模型往往给出动作与信念不一致的答案。一种神经符号推理框架把潜在认知状态拆成信念表示与可执行程序表示，用带上下文能量惩罚的粒子重采样筛掉违反情境约束的假设，再以停止梯度的交替定点迭代让两条通路分开更新。在OpenToM与FANToM的文本分类设定下，动作与信念同时正确的比例分别达到70.8%和52.1%，高于同规模纯编码器分类器。

心理预测要同时判断角色会做什么、以及它相信什么，而只做表层拟合的模型往往给出动作与信念不一致的答案。一种神经符号推理框架把潜在认知状态拆成信念表示与可执行程序表示，用带上下文能量惩罚的粒子重采样筛掉违反情境约束的假设，再以停止梯度的交替定点迭代让两条通路分开更新。在OpenToM与FANToM的文本分类设定下，动作与信念同时正确的比例分别达到70.8%和52.1%，高于同规模纯编码器分类器。

冷弯型钢组合柱的全局屈曲承载力预测，过去用随机80/20划分评估知识引导机器学习修正，同一试验项目的数据会同时出现在训练与测试中。改为按试验来源整组留出后，148个试件、15个来源、13个截面族的验证显示迁移明显变弱，最好的Lasso模型决定系数为0.787、平均绝对百分比误差73.0%。据此标定的LRFD抗力因子为0.191至0.399，ASD安全系数为4.01至8.38。

冷弯型钢组合柱的全局屈曲承载力预测，过去用随机80/20划分评估知识引导机器学习修正，同一试验项目的数据会同时出现在训练与测试中。改为按试验来源整组留出后，148个试件、15个来源、13个截面族的验证显示迁移明显变弱，最好的Lasso模型决定系数为0.787、平均绝对百分比误差73.0%。据此标定的LRFD抗力因子为0.191至0.399，ASD安全系数为4.01至8.38。

英伟达在柏林GTC上把本地AI硬件铺成从Windows个人电脑到桌面工作站的产品线，并宣布DGX Spark可手动配置成最多八台集群，合计1TB统一内存，足以运行GLM 5.3这类前沿级模型。此前本地设备受单机内存限制，只能跑较小模型或依赖云端。配套的NVIDIA Sync Model Launcher把模型下载、容器配置和OpenCode连接压缩成几次点击。

英伟达在柏林GTC上把本地AI硬件铺成从Windows个人电脑到桌面工作站的产品线，并宣布DGX Spark可手动配置成最多八台集群，合计1TB统一内存，足以运行GLM 5.3这类前沿级模型。此前本地设备受单机内存限制，只能跑较小模型或依赖云端。配套的NVIDIA Sync Model Launcher把模型下载、容器配置和OpenCode连接压缩成几次点击。

Anthropic 管理的 Claude 模型在谷歌云正式可用，谷歌云客户由此获得完整的 Claude 平台功能，包括测试版功能与原生平台同日上线。此前客户若要用谷歌云作为访问层，只能走谷歌管理的版本，由谷歌担任数据处理方。新路径沿用客户已有的谷歌云 IAM 凭据，账单并入单张谷歌云发票，用量可抵扣既有承诺额度，目前提供美国与全球端点。

Anthropic 管理的 Claude 模型在谷歌云正式可用，谷歌云客户由此获得完整的 Claude 平台功能，包括测试版功能与原生平台同日上线。此前客户若要用谷歌云作为访问层，只能走谷歌管理的版本，由谷歌担任数据处理方。新路径沿用客户已有的谷歌云 IAM 凭据，账单并入单张谷歌云发票，用量可抵扣既有承诺额度，目前提供美国与全球端点。

Adyen 工程师开源了命令行工具 Agent Marketplace，用来在团队、仓库和工具之间共享 AI 智能体资源。此前每种 AI 编码工具把配置放在各自的文件夹、文件格式和字段里，为一种工具写的指令很难在另一种工具里使用。该工具按一份配置文件抓取资源，翻译成各工具期望的格式并写入其查找位置，同一份资源可编译给 Claude Code、Codex、Cursor 等八种工具，重复同步不会产生改动。

Adyen 工程师开源了命令行工具 Agent Marketplace，用来在团队、仓库和工具之间共享 AI 智能体资源。此前每种 AI 编码工具把配置放在各自的文件夹、文件格式和字段里，为一种工具写的指令很难在另一种工具里使用。该工具按一份配置文件抓取资源，翻译成各工具期望的格式并写入其查找位置，同一份资源可编译给 Claude Code、Codex、Cursor 等八种工具，重复同步不会产生改动。

可见光与红外图像各自成像机制不同，直接拼接或一次性注意力融合容易把背景纹理和热干扰当成互补证据。FCI-DETR把检测流程拆成融合前保留模态结构、融合中校准跨模态响应、融合后按尺度注入红外上下文三个相连阶段，在M3FD、DroneVehicle、VEDAI和FLIR四个公开数据集上分别取得88.6%、84.3%、86.7%和81.5%的mAP50。在M3FD固定协议下，完整模型比同骨干的RGB+IR RT-DETR基线高6.0个百分点。

可见光与红外图像各自成像机制不同，直接拼接或一次性注意力融合容易把背景纹理和热干扰当成互补证据。FCI-DETR把检测流程拆成融合前保留模态结构、融合中校准跨模态响应、融合后按尺度注入红外上下文三个相连阶段，在M3FD、DroneVehicle、VEDAI和FLIR四个公开数据集上分别取得88.6%、84.3%、86.7%和81.5%的mAP50。在M3FD固定协议下，完整模型比同骨干的RGB+IR RT-DETR基线高6.0个百分点。

渐进神经网络靠保留每一代冻结列来传递知识，代价是存储与推理随代际增长。WeanNet 只保留一个冻结父网络，把它的逐层激活经一个标量增益送入新学生网络，并让增益在训练中线性衰减到零，部署时直接移除父网络。在概念漂移任务上，它与架构相同的 PNN-Reset 对照相比，各熵设置下漂移态找到新动作的比例都更高，但核心态也同时占优，且与从零重训的 Reset 相当。

渐进神经网络靠保留每一代冻结列来传递知识，代价是存储与推理随代际增长。WeanNet 只保留一个冻结父网络，把它的逐层激活经一个标量增益送入新学生网络，并让增益在训练中线性衰减到零，部署时直接移除父网络。在概念漂移任务上，它与架构相同的 PNN-Reset 对照相比，各熵设置下漂移态找到新动作的比例都更高，但核心态也同时占优，且与从零重训的 Reset 相当。

谷歌云为Claude模型新增Anthropic托管的部署选项并进入正式可用阶段，与原有的谷歌托管选项并列。两种方式提供相同的前沿模型、相同定价和同一套谷歌云账单，差别在于谁担任数据处理方，以及新Claude平台功能是否在发布当天即可使用。Anthropic托管选项由Anthropic在谷歌云基础设施上运营技术栈，组织仍通过谷歌云IAM认证并保留Cloud Audit Logging。

谷歌云为Claude模型新增Anthropic托管的部署选项并进入正式可用阶段，与原有的谷歌托管选项并列。两种方式提供相同的前沿模型、相同定价和同一套谷歌云账单，差别在于谁担任数据处理方，以及新Claude平台功能是否在发布当天即可使用。Anthropic托管选项由Anthropic在谷歌云基础设施上运营技术栈，组织仍通过谷歌云IAM认证并保留Cloud Audit Logging。

英伟达发布AIOps平台Minerva，面向由大量GPU组成的AI工厂做端到端可观测性。此前网络、计算、站点可靠性和机器学习团队各自看到数据中心的不同部分，告警彼此割裂。Minerva把GPU、SuperNIC、交换机、线缆、存储、调度器与作业的遥测汇到一起，构建动态知识图谱，并用监督与无监督学习识别异常、预测故障、按拓扑关联事件，把告警风暴收敛为带可能根因的单一事件。

英伟达发布AIOps平台Minerva，面向由大量GPU组成的AI工厂做端到端可观测性。此前网络、计算、站点可靠性和机器学习团队各自看到数据中心的不同部分，告警彼此割裂。Minerva把GPU、SuperNIC、交换机、线缆、存储、调度器与作业的遥测汇到一起，构建动态知识图谱，并用监督与无监督学习识别异常、预测故障、按拓扑关联事件，把告警风暴收敛为带可能根因的单一事件。

体育图像分散在学校、俱乐部等机构，联邦学习虽不传原图，但上传的模型更新仍可能泄露信息，差分隐私的裁剪与噪声又会损伤有用知识。FedSS 在裁剪之前按网络阶段评估每部分更新的可共享程度，只把跨客户端可迁移的体育语义加噪上传，把客户端特有的外观、背景等上下文留在本地。在 sport22 与 sport100 上，它相对最强基线 DPSIR-Fed 在视觉上下文异质设置下分别高出 5.78 和 5.71 个百分点，在 ε=4 的强隐私设置下把 sport22 准确率从 42.67% 提到 46.81%。

体育图像分散在学校、俱乐部等机构，联邦学习虽不传原图，但上传的模型更新仍可能泄露信息，差分隐私的裁剪与噪声又会损伤有用知识。FedSS 在裁剪之前按网络阶段评估每部分更新的可共享程度，只把跨客户端可迁移的体育语义加噪上传，把客户端特有的外观、背景等上下文留在本地。在 sport22 与 sport100 上，它相对最强基线 DPSIR-Fed 在视觉上下文异质设置下分别高出 5.78 和 5.71 个百分点，在 ε=4 的强隐私设置下把 sport22 准确率从 42.67% 提到 46.81%。

把真实图形界面操作录下来、参数化成固定工作流，再交给智能体执行，可能比让智能体直接写代码覆盖更多业务要求。在一个SaaS业务族的三个完整任务实例上，这套冻结工作流拿到33/33本地核心点，原始代码分别为8、8、18；两个预先固定的新实例上智能体分别用6次和5次模型调用完成，原始代码用了121次和70次。所有尝试的整任务判定仍为失败，附带状态是否保全未知。

把真实图形界面操作录下来、参数化成固定工作流，再交给智能体执行，可能比让智能体直接写代码覆盖更多业务要求。在一个SaaS业务族的三个完整任务实例上，这套冻结工作流拿到33/33本地核心点，原始代码分别为8、8、18；两个预先固定的新实例上智能体分别用6次和5次模型调用完成，原始代码用了121次和70次。所有尝试的整任务判定仍为失败，附带状态是否保全未知。

同频通信信号的单通道盲分离此前多依赖实数域网络或与复数无关的注意力模块，难以利用I/Q两路之间的相位耦合。ComplexLightweightSepNet把复数挤压-激励模块嵌入复数卷积编解码器，用实数通道权重缩放复数特征而保留相位，整网仅235,525个参数。在5 Hz同频混合、四种调制方式的合成数据上，该模型五种子平均SDR为2.31 dB，标准差0.62 dB；配对Wilcoxon检验未达到α=0.05，因此结果被定位为235K参数规模下的一个可用工作点，而非优于基线的推断。

同频通信信号的单通道盲分离此前多依赖实数域网络或与复数无关的注意力模块，难以利用I/Q两路之间的相位耦合。ComplexLightweightSepNet把复数挤压-激励模块嵌入复数卷积编解码器，用实数通道权重缩放复数特征而保留相位，整网仅235,525个参数。在5 Hz同频混合、四种调制方式的合成数据上，该模型五种子平均SDR为2.31 dB，标准差0.62 dB；配对Wilcoxon检验未达到α=0.05，因此结果被定位为235K参数规模下的一个可用工作点，而非优于基线的推断。

面向绿色物联网的蜂群同步不再按固定周期广播状态。ET-S3把触发阈值与节点剩余电量挂钩，电量越低越少发送，并在共识回路后接一道基于控制屏障函数的二次规划安全滤波。在100个动态智能体、1000个同步周期的仿真中，累计通信负载为3.35 MB，相当于周期共识18.40 MB的18.2%，安全越界率为0.0%，收敛用138步。

面向绿色物联网的蜂群同步不再按固定周期广播状态。ET-S3把触发阈值与节点剩余电量挂钩，电量越低越少发送，并在共识回路后接一道基于控制屏障函数的二次规划安全滤波。在100个动态智能体、1000个同步周期的仿真中，累计通信负载为3.35 MB，相当于周期共识18.40 MB的18.2%，安全越界率为0.0%，收敛用138步。

Fireworks 发布 Whisper v3-large 语音转文字 API 的 beta 版，主打速度：在专用端点上，异步接口把 1 小时音频转写或翻译成文本只需 4 秒，约合 900 倍实时。此前同类服务往往让用户等上数秒甚至数分钟，而这次的速度来自其推理服务栈的改造，而非模型本身。质量上，whisper-v3-large 在 Librispeech Clean 数据集上的贪心解码词错误率为 2.00%，与原版开源模型持平；服务端还内置翻译、词句时间戳对齐、音频预处理和语音活动检测。

Fireworks 发布 Whisper v3-large 语音转文字 API 的 beta 版，主打速度：在专用端点上，异步接口把 1 小时音频转写或翻译成文本只需 4 秒，约合 900 倍实时。此前同类服务往往让用户等上数秒甚至数分钟，而这次的速度来自其推理服务栈的改造，而非模型本身。质量上，whisper-v3-large 在 Librispeech Clean 数据集上的贪心解码词错误率为 2.00%，与原版开源模型持平；服务端还内置翻译、词句时间戳对齐、音频预处理和语音活动检测。

近地面气温的24小时预报要同时抓住日循环、天气系统演变和小时级扰动，而常用分解式Transformer把跨变量交互放到后期或隐式处理。跨通道时间相关Transformer在嵌入阶段用1×1卷积交换气象变量信息，再以多尺度趋势注意力和门控注意力融合时间、趋势、原始三支特征。在澳门、广州、福州、成都、重庆、长沙六城数据上，其MSE较主流模型平均降低6.2%、MAE降低7.5%，重庆极端高温下MSE降幅超过9%。

近地面气温的24小时预报要同时抓住日循环、天气系统演变和小时级扰动，而常用分解式Transformer把跨变量交互放到后期或隐式处理。跨通道时间相关Transformer在嵌入阶段用1×1卷积交换气象变量信息，再以多尺度趋势注意力和门控注意力融合时间、趋势、原始三支特征。在澳门、广州、福州、成都、重庆、长沙六城数据上，其MSE较主流模型平均降低6.2%、MAE降低7.5%，重庆极端高温下MSE降幅超过9%。

心理压力对话识别此前多把每句话当作独立片段、在最后一层拼接各模态特征，难以刻画情绪在轮次间的累积与转移。BERT-EmoShiftNet把BERT的多层语义编码与EmoShiftNet的情绪转移建模结合，用跨模态Transformer对齐文本、语音和视觉，并在共享嵌入空间做跨模态对比学习。在按对话级切分的自建数据上，全模态五类识别总体准确率为85.0%（95%置信区间[83.2%,86.8%]），情绪转移预测准确率76.2%，平均检测延迟13.4秒。

心理压力对话识别此前多把每句话当作独立片段、在最后一层拼接各模态特征，难以刻画情绪在轮次间的累积与转移。BERT-EmoShiftNet把BERT的多层语义编码与EmoShiftNet的情绪转移建模结合，用跨模态Transformer对齐文本、语音和视觉，并在共享嵌入空间做跨模态对比学习。在按对话级切分的自建数据上，全模态五类识别总体准确率为85.0%（95%置信区间[83.2%,86.8%]），情绪转移预测准确率76.2%，平均检测延迟13.4秒。

阿曼原油管道在非等温、黏塑性条件下运行，热损与水头损失过去要靠高保真CFD逐工况计算，速度难以支撑实时决策。研究者用962组COMSOL仿真训练物理信息代理模型，并引入无量纲的流变热损指数RHLI作为输入特征，同时预测总热损、水头损失与总功率损失。五折交叉验证下热损最易学，交叉验证R²接近1；不确定性量化给出平均校准误差0.0211、95%经验覆盖率97.4%，SHAP显示环境温度是热损的主导因素。

阿曼原油管道在非等温、黏塑性条件下运行，热损与水头损失过去要靠高保真CFD逐工况计算，速度难以支撑实时决策。研究者用962组COMSOL仿真训练物理信息代理模型，并引入无量纲的流变热损指数RHLI作为输入特征，同时预测总热损、水头损失与总功率损失。五折交叉验证下热损最易学，交叉验证R²接近1；不确定性量化给出平均校准误差0.0211、95%经验覆盖率97.4%，SHAP显示环境温度是热损的主导因素。

Fireworks为FireOptimizer推出自适应投机执行，用客户自己的推理负载数据训练草稿模型，替代在通用对话数据上训练的草稿模型。投机解码让较小的草稿模型并行预测若干token，再由主模型批量校验，命中率决定收益；通用草稿模型在专门场景命中率低，反而拖慢推理。在一个专门用例上，通用草稿模型命中率29%、延迟增加1.5倍，改用FireOptimizer后命中率76%、速度提升2倍，相对通用草稿模型最多3倍加速。

Fireworks为FireOptimizer推出自适应投机执行，用客户自己的推理负载数据训练草稿模型，替代在通用对话数据上训练的草稿模型。投机解码让较小的草稿模型并行预测若干token，再由主模型批量校验，命中率决定收益；通用草稿模型在专门场景命中率低，反而拖慢推理。在一个专门用例上，通用草稿模型命中率29%、延迟增加1.5倍，改用FireOptimizer后命中率76%、速度提升2倍，相对通用草稿模型最多3倍加速。

Uber宣布即日起在全公司范围部署ChatGPT Work，把这款能在ChatGPT Enterprise内承担多步任务的智能体开放给全球三万多名员工。此前该工具只在1000名员工的试点中使用，此次扩展成为Uber首个面向知识工作的全公司级智能体平台部署。该智能体接入Google Drive、Gmail、Google日历和Slack，可跨应用检索信息、准备会议简报、制作演示、分析数据并完成工作流，默认由GPT-6.1 Sol提供能力。

Uber宣布即日起在全公司范围部署ChatGPT Work，把这款能在ChatGPT Enterprise内承担多步任务的智能体开放给全球三万多名员工。此前该工具只在1000名员工的试点中使用，此次扩展成为Uber首个面向知识工作的全公司级智能体平台部署。该智能体接入Google Drive、Gmail、Google日历和Slack，可跨应用检索信息、准备会议简报、制作演示、分析数据并完成工作流，默认由GPT-6.1 Sol提供能力。

开源大模型此前要在展示思维链和确定性地调用工具之间二选一。Qwen3-235B-A22B把推理块放进独立的 think 标签，并在同一次补全里给出精确的JSON工具调用，下游代码可以选择忽略或审计这段推理。该模型为2350亿参数、每次激活约220亿参数的混合专家结构，以Apache-2.0许可托管在Fireworks上，可通过兼容OpenAI的客户端调用。

开源大模型此前要在展示思维链和确定性地调用工具之间二选一。Qwen3-235B-A22B把推理块放进独立的 think 标签，并在同一次补全里给出精确的JSON工具调用，下游代码可以选择忽略或审计这段推理。该模型为2350亿参数、每次激活约220亿参数的混合专家结构，以Apache-2.0许可托管在Fireworks上，可通过兼容OpenAI的客户端调用。

Fireworks 宣布支持 Meta 的 Llama 3.2 系列，包括纯文本的 1B、3B 与多模态的 11B Vision、90B Vision，开发者可在其平台上做推理与微调。此前该平台没有这一代模型；现在 11B 与 90B 多模态模型定价与纯文本模型相同，图像按文本 token 计费，Llama 3.2 视觉模型的图像通常计为 6400 个文本 token。目前可微调的是 1B 与 3B 纯文本模型，多模态模型的微调尚未开放。

Fireworks 宣布支持 Meta 的 Llama 3.2 系列，包括纯文本的 1B、3B 与多模态的 11B Vision、90B Vision，开发者可在其平台上做推理与微调。此前该平台没有这一代模型；现在 11B 与 90B 多模态模型定价与纯文本模型相同，图像按文本 token 计费，Llama 3.2 视觉模型的图像通常计为 6400 个文本 token。目前可微调的是 1B 与 3B 纯文本模型，多模态模型的微调尚未开放。