代理工具
Meta 讓推薦系統研究代理跨伺服器接手多日 GPU 實驗，操作修復次數降至每輪 0.5 次
Auto-RecSys 將研究構想、分散式訓練、故障恢復與結果分析串成可跨工作階段延續的雙迴圈。31 輪內部實驗顯示操作修復次數由每輪 4.0 次降至 0.5 次，但尚未證明代理提出的模型改動能穩定改善推薦品質。
Archive
硬體
AI 晶片、GPU、資料中心、邊緣裝置與硬體安全。
代理工具
最新模型
Nemotron 以三模型生成—驗證—修正流程取得 IMO 金牌，但完整競賽耗用 2.31B token
NVIDIA 公開兩個 Nemotron 3 Ultra 數學專家權重、訓練資料與可恢復的自然語言證明管線，正式成績為 30／42 分。結果也暴露模型驗證器的共同盲點：內部評分高估兩題，且高精確率是以大量誤拒與運算成本換得。
GitHub Repo
Edge0 從 SSD 串流 MoE 專家，35B 模型短上下文僅需 2.9 GiB 活躍記憶體
新開源框架用預測式路由提前載入下一步專家，並以 Recover-LoRA 補償 int4 量化損失，讓 23GB checkpoint 不必整體常駐記憶體。官方在 M4 Pro 測得 14.9 至 17.7 token／秒，但目前僅支援 Apple Silicon，記憶體與品質數據也尚無獨立重現。
推論系統
NVIDIA Dynamo 拆分多模態推論三階段，混合流量首 token 延遲最多降低 42.2%
Dynamo 現可將視覺編碼、LLM 預填充與解碼分配給獨立工作程序及不同等級 GPU，避免影像請求阻塞純文字流量。官方測試雖顯示首 token 與端到端延遲最高改善 5 倍、7 倍，但長輸出或大型稠密模型可能抵銷拆分收益。
推論系統
PELM 聯合調節 DVFS 與推測解碼，端側 LLM 能耗最多降低 52.4%
PELM 不只調整處理器頻率，還動態選擇推測解碼設定與驗證深度，在熱限制下共同控制硬體和模型工作量。論文報告最高 23.1% 加速及 52.4% 節能，但峰值結果不能直接外推到手機或其他模型。
生成式音訊
YuE2-3B 以可編輯樂譜規劃完整歌曲，最佳八選一成績才超越 Suno v5
YuE2 把旋律與和弦的符號規劃、語意 token 和 flow-matching 音訊合成放進同一套生成流程。權重可在 24GB GPU 執行，但非商用授權及最佳八選一評測，使其與商用系統的比較仍須保守解讀。
代理工具
Φ-Bench 用 85 項真實基礎設施任務測試程式代理，最佳模型總分仍僅 36.53%
Φ-Bench 將評測範圍從單一 GPU kernel 擴大至跨檔案實作與端到端系統最佳化。八款前沿模型都能偶爾找到有效修改，但推理預算增加並未穩定轉化為更好的工程結果。
最新模型
Cognition 推出 SWE-2：在同一次強化學習中訓練多種推理成本
SWE-2 以 2.8T 參數的 Kimi K3 為底模，利用成本懲罰、低精度 rollout 與同步更新的草稿模型改善程式代理效率。官方基準顯示它接近前沿閉源模型，但成績主要由 Cognition 自行執行，且目前沒有獨立 API 或權重。
具身 AI 與機器人
FolDeX 以逾 2,000 小時真實機器人資料評測長序列衣物摺疊
FolDeX 將衣物摺疊整理成涵蓋 20 多項任務、10 多種機器人本體的實體世界基準，專門測試異質資料能否跨任務、場景及硬體重用。團隊另提供遠端實機評估，但資料授權、完整下載方式與首批可比較基線仍待確認。
最新模型
Gander 開源全雙工多模態代理，以「小腦—大腦」分工並行對話與長任務
Gander 把串流影音對話、插話控制與非同步代理執行接到同一時間軸，前端模型可在後端代理工作時繼續與使用者互動。首版公開 Apache 2.0 程式與權重，但完整資料集尚未釋出，官方部署設定也需要三張 GPU。
AI 安全
Red Hat AI 3.5 將 OpenShell 納入 OpenShift，以核心層政策約束代理副作用
OpenShift AI 3.5 以開發者預覽方式整合 OpenShell，利用 Landlock、seccomp、網路命名空間及 L4／L7 政策限制代理存取。這讓提示注入後的檔案、系統呼叫與網路副作用不再只依賴模型防護欄，但預設相容模式與預覽狀態仍可能留下落差。
GitHub Repo
MiniCPM5-2B 開放訓練資料與端側部署格式，但量化版取樣預設值遭質疑
OpenBMB 發布具 13.1 萬 token 上下文與工具調用能力的 2B 稠密模型，並同步公開分階段權重、訓練資料及多種量化格式。第三方評測肯定其同級競爭力，但社群測試發現官方取樣設定可能讓 GGUF 量化版陷入重複生成。