推論系統
Liquid AI 為 LFM2.5 加入 DSpark 草稿模型，單張 H100 解碼最高加速 3.18 倍
Liquid AI 釋出三款約 3 億參數的 DSpark 草稿模型，讓 LFM2.5 以推測解碼一次驗證多個候選 token。單批、貪婪解碼測試最高加速 3.18 倍，但 SGLang 支援仍在開放中的 PR，部署成熟度有待驗證。
Archive
GitHub Repo
GitHub 熱門專案、開源工具、框架、runtime 與重要 release。
推論系統
代理工具
SkillForge 先用專案測試合成故障，兩款程式代理的 SWE-bench Verified 均提高逾 5 點
SkillForge 在真實工單出現前，先從測試覆蓋的執行路徑製造可驗證故障，再把修復軌跡蒸餾成專案專屬技能。搭配 Mini-SWE-Agent 後，DeepSeek-V3.2 與 GPT-5-mini 的 SWE-bench Verified Pass@1 分別升至 72.2% 與 60.6%。
最新模型
Open-MOPD 重配多教師蒸餾的 token 預算，能力整合率由 35.6% 升至 83.4%
Open-MOPD 發現，多教師在線策略蒸餾的主要瓶頸並非教師梯度衝突，而是不同領域分到的有效 token 更新量嚴重失衡。它結合 token 份額平衡、差距導向配置與學生回報刷新，在單一 3B 模型中追回 83.4% 的可用能力增益。
科學機器學習
Monroe 以 8,100 萬分子預訓練圖模型，凍結向量配合 TabPFN 勝過逐任務微調
Monroe 把稀疏圖注意力、立體化學邊與 1,152 項預訓練目標結合，再以 TabPFN 對凍結分子向量作情境內預測。它在 28 項 Polaris 任務均屬統計最佳組別，但「100% 勝率」包含與最佳方法無顯著差異的平手。
代理工具
SPADE 讓同一 LLM 編寫可執行訓練環境，30B 模型跨八項評測平均提高 5.3 點
SPADE 以提示前後的回報差訓練環境設計者，讓課程隨代理能力自動變難。Qwen3-30B-A3B 在工具使用評測最多增加 13.9 點，但環境驗證器仍可能接受規格不完整或無解的任務。
硬體
VSPG 免反向傳播更新離散動作 actor，兩項 SustainGym 回報均勝 DNN 基線
VSPG 把每個動作存成單位超向量，將 softmax policy gradient 化為優勢加權向量疊加及正規化，不需 actor 的自動微分或最佳化器狀態。它在兩種建築控制氣候取得較佳回報並較耐位元錯誤，但效能高度取決於固定編碼器。
代理工具
FM-Bench 讓代理經營球會 20 年，15 款模型皆未能從被拒報價推斷市場價格
FM-Bench 以 26 種工具及約 340 至 400 個決策點，測試代理能否承受延遲回報、隱藏資訊與競爭者反應。15 款模型均完成 20 年賽程，但排名到後期才穩定，自主管理記憶亦出現只增不刪或反覆覆寫兩種失敗模式。
最新模型
循環式推論改善多工具組合，1B Llama 的 BFCL 平均分由 21.4 升至 32.9
研究讓同一組 Transformer 層在生成每個 token 前反覆更新隱藏狀態，並以相同資料及 LoRA 設定比較循環與一般模型。提升集中在平行呼叫及跨呼叫依賴；以單一 API 呼叫為主的 API-Bank 則未呈現一致優勢。
AI 安全
VLA 監測代理隱藏狀態通訊，同模型拍賣測試 AUROC 達 0.993
新研究把代理間未寫入對話紀錄的連續向量，與其後公開動作綁定至同一事件，再以異常、反事實影響及稀疏特徵三層檢查。平均 0.993 的結果混合了文字與潛在串通樣本，且攻擊由研究者預先設計，尚不能視為對自發密謀的通用偵測能力。
代理工具
FACET 先建立可執行環境再生成終端任務，9B 代理得分提高 8.24 點
FACET 把指令、容器、參考解法及驗證器綁定至同一執行狀態，從逾 7.1 萬項代理技能合成 6,078 項驗證任務。僅以 1,200 條成功軌跡微調，Qwen3.5-9B 在 Terminal-Bench 2.1 的得分由 27.34 升至 35.58。
代理工具
1,338 條後訓練軌跡顯示，AI 代理僅 2.1% 相鄰實驗改變策略
研究發現，代理雖能自行訓練、除錯及評估模型，卻會在首次參數更新前鎖定訓練策略。加入實驗日誌、技能庫與評估代理可提高下游分數，仍未促使系統在證據不利時改換方法。
代理工具
語義不變改寫令程式代理成本最高增 22.9%，穩健排名隨框架翻轉
研究把控制流程、識別字及無效程式碼改寫套用至相同修復題，最高令解題率下降 6.7 個百分點。模型的穩健程度會隨 mini-SWE agent、OpenCode 與資料集互換，單一模型排行榜無法預測部署表現。