推論系統
IOL-AI 以未公開語言學奧賽題測推理：14B 模型靠解碼流程把基線分數提高逾一倍
IOL-AI Challenge 要求系統先從少量例句推導陌生語言規則，再完成翻譯、轉寫與訂正。受限於單張 T4 的最佳提交把同模型基線 GM 由 9.40 提至 19.79，但與達到金牌線的封閉模型仍有明顯差距。
Archive
最新模型
新模型、開放權重、多模態、語音、影像與模型架構。
推論系統
AI 安全
PACE 把 AI 代理的交易核准綁定至鏈上位元組，沙盒測試將不安全執行率由 0.80 降至零
PACE 不要求語言模型自行判斷交易是否安全，而以確定性規則檢查交易意圖、模擬結果及實際 calldata。簽署後的政策決策紀錄由智慧帳戶在執行前重驗，但目前零失敗結果只來自簡化 DeFi 沙盒。
AI 安全
雙人辯論抑制 RLAIF 獎勵鑽漏洞，數學策略峰值準確率由 72.63% 升至 74.74%
Google DeepMind 研究讓同一個 Gemini 策略分別扮演解題者與批評者，再由較弱的凍結模型裁決。辯論維持裁判辨別力並追回約 45% 的 RLVR 差距，但代價是更多訓練步驟與受限制的批評篇幅。
推論系統
TensorRT Model Connect 公開預覽：Hugging Face 模型可免經 ONNX 打包成原生 C++ 推論
NVIDIA 開源 TensorRT Model Connect，以兩道指令把受支援的 Hugging Face 或本機 checkpoint 建成可移交 C++ 應用的版本化 bundle。它縮短模型移植路徑，但目前定位仍是參考實作，支援範圍與效能須按模型、精度及硬體逐項驗證。
硬體
PTXBench 實測 LLM 直接寫 H100／B200 專用 PTX，沒有模型能穩定追上前沿核心庫
PTXBench 同時檢查生成核心是否正確、指定指令是否真的執行，以及相對 cuBLAS、cuDNN 與 FlashInfer 的速度。結果顯示，會寫出新架構指令不代表能把它轉成有效加速，B200 注意力核心尤其困難。
推論系統
MoNe 將長上下文寫入測試時神經記憶，128K 推論總 FLOPs 減少 81%
Qualcomm AI Research 為凍結的 Transformer 外掛逐層快速權重，以 512-token 分段吸收上下文，查詢時不再讀取原文。Qwen2.5-0.5B 的 128K 實驗維持固定顯存並勝過 ICL、RAG，但證據目前限於三項合成檢索任務。
最新模型
TokEval 用 18 項內在指標篩選 tokenizer，資訊量指標與語言建模表現相關最高達 0.80
TokEval 將數字位值、程式 AST 邊界、UTF-8 完整性及跨語言成本納入 tokenizer 評測。控制實驗顯示部分指標可預測特定下游能力，但結果目前限於單一 1.27B 架構。
代理工具
Agent Lightning v1.0 讓真實代理框架直接參與強化學習，Qwen3.5-9B 的 SWE-bench Verified 升至 56.4%
Microsoft 重寫 Agent Lightning，以模型 API 代理層擷取既有代理框架的完整互動，不必把工具迴圈搬入訓練引擎。官方以 6,000 筆資料訓練 Qwen3.5-9B，報告 SWE-bench Verified 由 41.8% 提升至 56.4%。
推論系統
TileMix 在注意力矩陣內混用 FP16／INT8，A100 的 4K prefill 吞吐達 FlashAttention 2.22 倍
TileMix 不刪除 token 連線，而是在同一個融合 kernel 內，按注意力分數 tile 選擇 FP16 或 INT8 Tensor Core 路徑。LLaMA 3.2 3B 的 4K 測試達 31.80K token/s，但結果目前限於 A100、靜態路由及 prefill 階段。
代理工具
AeroCopilotBench 把飛行程序變成可執行狀態機，最佳代理安全通過率仍僅 72.6%
新評測以 73 項駕駛艙異常任務測試代理能否觀察狀態、操作系統並全程遵守硬性安全限制，而非只回答航空知識題。GPT-5.6 Sol 的成功率最高，但相近的知識分數與任務成功率並不一致，顯示靜態問答不能替代互動安全測試。
代理工具
Reconstruction 隱藏論文只給舊參考文獻，多模型評審把研究構想匹配率由 14.6% 升至 35.6%
新評測要求模型僅憑論文發表前已存在的參考文獻，反推出被隱藏論文的核心研究構想。四模型交叉評審與瑞士制選拔提高匹配率，但候選數、裁判群與計算量均未與單模型條件對齊。
FabriMAE 以視覺注意力熵判斷機器人動作可靠度，十分支選擇令成功率升至 86.8%
FabriMAE 從 VLA 模型內部的視覺注意力熵產生可靠度分數，不需另訓練驗證器或重複執行機器人軌跡。PI0.5 在 LIBERO-Plus 的成功率增加 1.1 個百分點，但目前證據仍限於模擬環境，論文連結的程式庫亦尚未公開存取。