Hugging Face 博客介绍了 ALTK-Evolve 方法，它通过分析智能体任务尝试并提炼行为规则加入系统提示词，在无需更新模型权重的情况下，使基于 GPT-4.1 和 GPT-5.5 的基础 ReAct 智能体在 τ²-bench 客服基准的零售与航空任务中登顶或超越现有微调及前沿模型。该方法通过增加少量输入提示词成本，在不增加对话轮次的前提下大幅提升了准确率与 Pass^4 稳定性。
推荐理由：该方法通过提炼行为规则并加入系统提示词，在无需更新模型权重的情况下显著提升了智能体在客服基准上的准确率与稳定性，为优化智能体性能提供了一种低成本且可迁移的提示词工程路径。
vLLM 发布 v0.32.1rc0 版本。该版本包含针对 trainer 的 weight-transfer HTTP 协议的相关文档。
vLLM 发布 v0.32.0rc3 版本，修复了 sm90 架构上 Mamba2 chunk scan 内核输出 NaN 的缺陷。
NVIDIA 联合 IIT Madras 旗下 AI4Bharat 推出 Nemotron-pretraining-Indic-v1，这是一个包含约 2.8 万亿 token、覆盖 22 种印度语言的合成预训练语料库，并同步开源了用于生成该语料的 GPU 加速数据生成管线。
推荐理由：该开源预训练语料和生成流程为印度语系大模型研发提供了大规模合成数据资源和可复用的技术管线。
vLLM 项目发布了 proto-v0.6.0 版本。该版本由 njhill 于 October 14, 2023 打标发布，并包含 2 个相关资产。
Liquid AI 发布了 d1-3B 和 d1-omni-600M 两款开源决策模型，旨在为端侧设备提供快速的结构化决策能力。d1-3B 支持文本和图像输入，在 NVIDIA Jetson 等设备上单次推理延迟低于 50ms；d1-omni-600M 则支持文本、图像及音频输入。该系列模型不生成 token，而是通过单次前向传播直接输出决策结果，目前已在 Hugging Face 上线。
推荐理由：Liquid AI 发布了专为端侧设计的 d1 系列决策模型，通过单次前向传播实现快速结构化决策，为开发者提供了在资源受限设备上部署多模态任务的新选择。
89% 的电信运营商将开源模型视为 AI 战略的核心，其优势在于能够以更低成本获取前沿智能，并实现针对网络运营与客户服务的深度定制与自主管控。NVIDIA 推出了 300 亿参数的 Nemotron 3 Large Telco Model (LTM)，并提供完整的微调方案与 NVIDIA NeMo 工具库，助力运营商通过私有数据构建符合行业规范的 AI 应用。
vLLM 发布 v0.31.0 版本，为 DeepSeek-V4.1-Flash 引入了 FlashMLA 压缩 KV 缓存及多项硬件加速与调度优化。新版本还增强了快启动功能、模型运行器 V2 的投机解码支持，并改进了大规模分布式服务的扩展性。
推荐理由：此版本带来了针对 DeepSeek-V4.1-Flash 的大规模内核与缓存优化及多平台运行支持，开发者可据此评估其在复杂推理与大规模吞吐场景下的升级收益。
Cloudflare 发布了 Clef 和 Clef-flash 两款决策模型，旨在为 Agent 提供快速、一致的结构化输出。该系列模型基于 Qwen 架构，支持视觉输入与 64k 上下文窗口，现已在 Hugging Face 开源并托管于 Workers AI。同时，Cloudflare 推出了配套的强化学习微调服务，允许用户针对特定业务场景优化模型性能。
推荐理由：Cloudflare 发布了基于 Qwen 的开源决策模型 Clef 系列，通过非自回归架构实现低延迟的结构化输出，并配套了强化学习微调平台以支持定制化 Agent 工作流。
Google DeepMind 推出 SynthID Bio，这是一种专门用于合成生物学的水印技术，可在不影响蛋白质生物功能的前提下，将不可见的数字签名嵌入 AI 设计的蛋白质序列及 3D 结构中。该技术通过调整氨基酸选择和原子坐标实现溯源，旨在加强生物安全并确保科学数据的完整性，目前已开源相关代码、实验数据及模型权重。
推荐理由：该研究展示了如何为 AI 生成的蛋白质序列和结构嵌入不可见水印，为生物安全领域提供了一种可验证的溯源方案，并已开源相关代码与模型权重。
Cloudflare 发布 Vinext 1.0，旨在将 Next.js 应用迁移至 Vite 环境，并支持部署到 Cloudflare Workers、Netlify 或 AWS Lambda 等平台。该版本提升了 App Router 与 Pages Router 的兼容性，引入了缓存预热功能以替代传统的构建时预渲染，并通过自动化测试与 AI 辅助流程保持与 Next.js 上游的同步。
推荐理由：Vinext 1.0 实现了 Next.js 应用向 Vite 的迁移与多平台部署，其引入的缓存预热功能可显著优化大规模站点的构建与响应效率。
Microsoft Research 发布了逆合成预测框架 RetroChimera，该成果已发表于 Nature。该模型通过集成 Transformer 架构的 R-SMILES 2 与基于图神经网络的 NeuralLoc，利用学习排序策略整合两者的互补优势，在盲测中表现出优于现有基准的合成路线预测能力。RetroChimera 的实现代码与权重已在 GitHub 开源。
Google Research 推出 MilleMiglia，这是一款基于 C++ 开发的实例生成器，旨在为中程物流配送问题创建具有真实感且保护隐私的基准数据。该工具通过构建空间-时间图模型，解决了中程物流中货物在配送中心间转运、分拣及同步的复杂调度难题。目前，MilleMiglia 的源代码和文档已在 GitHub 开源，为物流优化研究提供了基础支撑。
微软发布了 GigaPath-Flash 和 GigaTIME-Flash 模型，旨在通过提升计算效率支持大规模病理学研究。这两款模型基于蒸馏后的 ViT-S 骨干网络，在保持原有模型性能的同时，显著降低了计算资源消耗，并已在 Hugging Face 开源，采用 Apache 2.0 协议。
Berkeley AI Research 推出 SPEX 与 ProxySPEX 算法，旨在解决大规模 LLM 交互识别的计算难题。该框架利用稀疏性、低阶性和层次性等结构特征，通过策略性消融实验实现高效归因。其中，ProxySPEX 进一步利用交互的层次结构，在保持与 SPEX 同等性能的同时，消融次数减少约 10 倍，有效提升了长上下文场景下的归因准确性。
研究人员开发了一种基于信息内容评估与优化成像系统的框架，通过直接量化测量结果中包含的有用信息，解决了传统指标难以综合衡量分辨率、噪声与采样等因素的问题。该方法利用已知噪声物理模型简化互信息计算，在彩色摄影、射电天文学、无透镜成像及显微镜等四个领域中，均能准确预测系统性能。实验证明，该框架优化出的设计方案在无需特定解码器的情况下，即可达到 SOTA 端到端方法的性能，且显著降低了内存与计算需求。