最新模型
ReflectRL 把專家錯誤軌跡變成訓練訊號，GRPO 跨域評測平均提高 19.1 點
ReflectRL 不再丟棄強模型答錯的推理軌跡，而是要求學生模型找出局部錯誤，再逐步撤除這項提示。研究在九項基準上報告穩定提升，但成果主要來自數學推理設定，專案所列 GitHub 連結目前亦無法存取。
Archive
推論系統
推論 runtime、量化、 serving、KV cache、成本與效能。
最新模型
代理工具
GitHub Spark 停止建立新應用，使用 llm() 的既有專案須自行更換推論服務
GitHub 已停止 Spark 接受新使用者與建立新應用，既有使用者只能在 8 月 31 日前匯出程式碼。已部署的網站可繼續運作，但依賴 GitHub Models 的 llm() 呼叫已失效，開發者必須接入外部模型並接手金鑰與帳務管理。
AI 安全
科學推理基準出現「答案對、方法錯」，HLE 捷徑解答率達 37.4%
新研究發現，模型會以猜公式、枚舉或先猜答案再驗證等捷徑，取得正確結果卻未完成題目要求的推導。研究團隊認為，只比對最終答案可能高估前沿模型的科學推理能力，但自動稽核器本身仍有分類誤差。
最新模型
Faster-WAM 將機器人動作頭縮至一層，控制推論延遲降至 66.5 毫秒
Faster-WAM 把單層動作頭接到 30 層影片 Transformer，透過跨層 KV 融合取得世界模型表徵，不再讓動作分支複製完整骨幹深度。研究報告相對 Fast-WAM 加速 3.2 倍，但尚未公開新架構的程式碼與權重，結果也主要來自模擬基準。
代理工具
Harness-R1 從代理失敗軌跡學習修改執行框架，Qwen3.5-9B 成功率提高 9.3 點
Harness-R1 不調整目標代理的模型權重，而是訓練另一個 9B 模型修改其上下文、工具與驗證程式。三個環境的平均成功率由 44.3% 升至 53.6%，但尚無公開程式碼可供檢查補丁安全性。
最新模型
CMuon 拆分 DiT 融合權重再做正交化，675M 模型訓練速度達 AdamW 兩倍
CMuon 發現，Muon 對融合後的 QKV、AdaLN 與 FFN 權重整體正交化，會讓功能不同的子空間互相干擾。研究以分塊動量正交化改善後期收斂，但兩倍加速目前只在單一 675M DiT 設定中得到驗證。
推論系統
xPress 為擴散式草稿補回因果關係，Qwen3-8B 解碼吞吐量平均提高約 1.3 倍
xPress 在區塊擴散草稿與目標 LLM 之間加入一次並行因果修整，減少「單字合理、整段不合理」造成的提前拒絕。研究報告草稿接受長度平均增加約 30%，但目前尚無公開實作可供獨立重現。
代理工具
AgentTrajectorySentinel 以微秒級時序監控攔截代理失控，實測任務成功率由 52% 升至 73%
新研究不再讓第二個 LLM 逐步審查代理，而是從工具動作、延遲、輸出與 token 機率等遙測偵測軌跡偏移。系統成本約每步 200 微秒，但每個部署仍須以自身的正常軌跡重新校準。
代理工具
GitHub Copilot 雲端代理開放推理強度選擇，複雜任務可用更多 AI Credits 換取深度
GitHub 允許開發者在啟動 Copilot cloud agent 任務時，同時指定模型與推理強度。較高強度可能改善跨檔除錯與架構分析，但會增加 token 與 AI Credits 消耗，團隊需重新建立成本及品質基準。
推論系統
Cloudflare 拆分 prefill 與 decode 精度，GLM 5.2 解碼吞吐量最高提高 55%
Cloudflare 以 FP8 KV cache 擴充 Kimi K2.6 的並行容量，並在 GLM 5.2 解碼端改用 INT4 權重。系統同時為共享 KV cache 加入頁面世代標記，防止多租戶請求讀到錯誤快取。
最新模型
MiniMax H3 開放影音生成權重，ComfyUI 同步提供可執行工作流
MiniMax 將 H3 影片模型權重公開，讓開發者可在本地執行含同步聲音的影像轉影片流程。ComfyUI 已加入官方工作流，但消費級 GPU 的實測多仰賴剪枝與 INT8 衍生檔，不能視為原始權重的完整品質重現。
推論系統
Fast Gemma 驗證版突破每秒 510 token，單張 A10G 靠滑動注意力與 MTP 疊加提速
VIDRAFT 公開 Fast Gemma Challenge 的最高已驗證配置，讓 Gemma 4 E4B 在單張 NVIDIA A10G 達到 510.58 tokens/s，同時把 perplexity 維持在 2.3930。成果來自多項推論最佳化疊加，但測試是單串流、固定硬體與私有提示集，不能直接等同生產吞吐量。