代理工具
ScienceIDE 將科學程式封裝成可驗證代理環境，並以數值模擬結果直接回饋訓練
ScienceIDE 把固定版本的科學軟體、容器、物理案例與私人驗證器組成 SFT、RL 及評測共用環境。首批結果顯示科學修復軌跡可改善部分模型與基準，但目前只公開少數環境和任務，泛化證據仍有限。
Archive
GitHub Repo
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
代理工具
推論系統
Chord 針對 Kimi K2.x 重寫 INT4 MoE 核心，依推論階段選擇 GPU 排程
Novita AI 與 vLLM 開源 W4A16 CUDA 運算子 Chord，針對 H200、B200 與 B300 的 Kimi K2.x 服務形狀調校。公開測試最高達 Humming 的 2.15 倍，但數字只涵蓋 MoE 層核心，不能直接換算成端到端吞吐量。
硬體
OpenVINO 2026.4 將多 token 草稿解碼帶到 CPU、GPU，並統一 NPU 效能追蹤
OpenVINO 2026.4 為 Gemma 4、Qwen3.5 與 Qwen3.6 加入 Multi-Token Prediction 推測解碼，也讓 VTune 橫跨 CPU、GPU、NPU 分析推論。新版擴大本機模型覆蓋，但多項 NPU 動態形狀與模型卸載功能仍只是預覽，官方亦未提供統一的公開加速數字。
代理工具
ProgramDistill 以可重播網頁行為評測代理重建軟體，完整工作流成功率僅約一半
Microsoft Research 團隊讓 coding agent 觀察可操作的參考網站，再於看不到原始碼的情況下重建其功能。ProgramDistill 從 26 個應用產生 4,063 項任務，結果顯示單一功能修復容易得多，依賴多段狀態的完整工作流仍是主要瓶頸。
代理工具
Stellar Colosseum 以依賴圖與證偽迴圈管理長程數學代理
Google Research 與 CMU 團隊把策略探索、證明分解、局部修補及全局驗證拆成多代理工作流。跨模型選擇在 TCS-Bench 達到 71%，但主要 harness 尚未完整公開，且自動評分與大量推論預算限制了可比性。
AI 基礎設施
NVLink 6 將鏈路重試、故障隔離與推論熱備援串成同一套復原堆疊
NVIDIA 公開 NVLink 6 的多層容錯設計，從實體層修正位元錯誤，一路延伸至 NMX 控制器與 Dynamo 推論程序。內部 B200 測試把故障後恢復雙 worker 服務的時間由 283 秒降至 7.3 秒，但檢查點工具及 NCCL 邊界案例仍在演進。
代理工具
GitHub 以代理將 Copilot 執行階段改寫成 83 萬行 Rust，移除每客戶端的 Node.js 成本
Copilot 共用代理執行階段已從 TypeScript／Node.js 遷移至原生 Rust，可透過 C ABI 直接嵌入六種語言的 SDK。GitHub 的壓力測試顯示工作階段吞吐量增至每秒 120 次，但數字來自移除模型與網路延遲的內部測試。
最新模型
LimiX‑2 以聯合機制建模處理表格資料，單一 4 億參數模型橫跨三類任務
LimiX‑2 不再只估計條件式標籤，而是從合成因果資料學習特徵與目標的聯合結構。團隊公開權重與推論程式，但模型僅限非商業使用，領先數字也主要來自作者執行的表格基準。
代理工具
Foundry Toolkit 1.6.13 接入非 ACR 私有映像庫，並更換 Windows ML 執行階段
新版 VS Code 工具可從具連線設定的私有容器登錄部署託管代理，也加入 AMD NPU 版 Fara 7B 與 Aion 量化 adapter。Windows ML 升至 `windowsml` 2.3，既有專案必須檢查執行供應器及相依套件。
推論系統
JustFit 壓縮並即時調度 KV 狀態，讓 24 GiB MacBook 跑完 21 萬 token 工作負載
JustFit 在 MLX 中結合四位元 KV、元件駐留管理與跨請求狀態轉換，讓 27B 模型在 24 GiB 統一記憶體完成長上下文推論。6.93 倍容量增幅來自單機特定模型測試，且部分歷史環境與檢查點身分尚不能完整重現。
代理工具
ScienceBuddy 交替改寫代理 Harness 與模型，將研究互動轉成持續訓練材料
ScienceBuddy 把研究者的要求、回饋與執行紀錄轉成任務及評分規則，再交替優化代理程式與模型。團隊開放簡化實驗框架，但託管工作區的完整程式碼與長期自我改進證據仍未公開。
ModAR 先預測軌跡、語意與深度再決定動作，降低世界—行動模型對 RGB 的依賴
CMU 的 ModAR 以共享擴散 Transformer 依序去噪多種未來表徵，再生成機器人動作。小規模實驗顯示，結構化表徵比額外預測 RGB 更有用，但程式碼尚未公開，真實世界證據也只有三項雙臂任務。