RAG／向量檢索
txtai 9.13 將 ColBERT 多向量壓成單一索引，但大型語料仍須重調 Faiss
txtai 9.13 正式整合 LEMUR，以學習式固定維度向量近似逐 token 的 MaxSim 分數。初步測試兼顧索引容量與檢索品質，但預設 IVF 在較大資料集上可能明顯降低召回率。
Archive
GitHub Repo
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
RAG／向量檢索
最新模型
BPCO 以單一 rollout 訓練 LLM critic，取代 GRPO 的多回應組內比較
BPCO 結合受限 value head、Monte Carlo target 與長度自適應 GAE，讓 critic 從單一回應估計逐 token advantage。作者在 1.5B 至 30B-A3B 模型上追平或超越多樣本方法，但尚未證明整體訓練成本較低。
代理工具
SandboxAQ Switch 以 Matrix 房間連接多款 AI 代理，但授權禁止銷售衍生服務
Switch 把 Slack、Teams、Discord 等頻道映射至共享房間，讓 Codex、Claude Code 與其他代理保留共同上下文。程式碼可自行部署，但 Commons Clause 限制商業轉售，且成本防護與部分安全控制尚未完成。
代理工具
ASIL 以結構化狀態取代螢幕點擊，軟體代理成功率由 6.6%升至 81.6%
ASIL 讓代理讀取 JSON 軟體狀態，再透過檔案解析器、原生腳本或服務 API 執行語意動作。它在 380 項任務顯著超越螢幕控制，但比較同時改變了代理可見資訊與操作粒度，不能單純解讀為模型能力提升。
推論系統
vLLM 在 Ironwood TPU 支援 16K embedding，StepPool 保存分段 prefill 狀態
Google 與 vLLM 為 Qwen3 embedding 模型加入張量對齊、編譯預熱及可跨分段累積的 pooling 狀態。官方在四顆 Ironwood TPU 上報告約 8.4 萬 token/s，但尚未提供同成本 GPU 對照或真實檢索品質測試。
最新模型
SHROOM-Visions 以 2 萬筆四語資料評測 VLM 幻覺，中文最佳 IoU 仍僅 0.53
新共享任務要求系統逐字定位並分類視覺語言模型的幻覺，而非只判斷整段回答是否可信。27 個團隊提交逾 600 個系統，但封閉測試與不穩定的相鄰排名限制了結論。
代理工具
RAMP 以版本庫內 AI 設定檔分級：未配置專案採用 coding agent 後複雜度增幅近兩倍
研究團隊以 441 個企業版本庫建立四級 Repository AI Maturity Profile，再重新分析 509 個採用 coding agent 的開源專案。具共同規則或代理設定的版本庫品質指標較佳，但觀察性研究尚不能證明設定檔本身造成改善。
最新模型
Granite 4.2 以代理環境強化學習訓練 8B／30B 模型，並開放 FP4、FP8 與 GGUF 版本
IBM 發布 3B、8B、30B 三款 Apache 2.0 密集模型，加入可切換推理模式與原生工具呼叫。8B、30B 額外在程式庫、終端及搜尋沙箱中接受代理式強化學習，但官方資料對基礎訓練沿革的描述並不一致。
AI 安全
RL 訓練讓 Haiku 4.5 稽核器追平 Opus 4.6，但錯誤獎勵會令誤報率升至 96%
研究人員以隱藏行為、成對獎勵及正常模型校準訓練自動化對齊稽核器，最佳配置把綜合分數由 44.2 提升至 48.7。實驗同時顯示，直接獎勵「找到可疑行為」會誘發編造證據，部署稽核代理不能只最佳化檢出率。
機器人與具身 AI
GigaBrain-0.7 開放 3.5B VLA 權重與訓練程式，涵蓋八種機器人配置
GigaAI 公開 GigaBrain-0.7 的基礎權重、訓練管線及機器人部署範例，模型以 3.73 萬小時異質具身資料預訓練。論文中的三系統架構與領先成績仍未完整可重現，官方評測程式目前也在待辦清單。
GitHub Repo
Transformers 5.16 改用 DTensor 平行後端，並加入 NVFP4 與逐層 KV cache 設定
Hugging Face 新版把舊 tensor-parallel 實作換成 DTensor，並加入初步 pipeline-parallel 推論與 NVFP4 即時量化。升級同時改動 TP、Fuyu 及部分音訊模型行為，現有訓練與推論管線需要回歸測試。
最新模型
Code World Model 以可執行程式保存世界狀態，再交由影片模型渲染
新框架讓 coding agent 維護規則與長期後果，再把狀態編譯成深度及語義代理影片，約束 MiniMax-H3 生成畫面。原型展示了五組受控場景，但沒有量化基準、消融實驗或即時生成結果。