每日AI新闻｜桌面智能体、MCP 连接与供电布局
Open WebUI 引入桌面伴侣，Activepieces 更新 MCP 连接，LiteLLM 与 llama.cpp 修复运行链路；FT 披露供电设备交易。
最新文章
每周专题｜AI 的回答能验明正身吗？从 FlashProve 看可验证推理的四层边界
FlashProve 把大模型推理证明推进到可研究的工程规模，但吞吐、模型身份、接受策略和形式化证明并不是同一种保证。读懂这四层，才能判断一张推理证明究竟证明了什么。
llama.cpp 的 MoE 缓存新路径：何时让 CPU 计算，比把专家搬到 GPU 更划算
b12191 为主机内存中的 MoE 专家加入 CPU 分担和自动调参。关键不在提高 CPU 占比，而在权衡权重上传、缓存复用与并行计算，并分清校准实测和模型预测。
AI 日报｜11月8日：模型网关修补边界，本地 MoE 增加 CPU 分担
本期精简为两条可核实的开源更新：LiteLLM 1.108.2 修复凭证选择、语音错误回传和路由问题；llama.cpp b12191 为 MoE 缓存加入 CPU 分担与参数调优脚本。
Terminal-Bench 2.1：修复测试后，Agent 的分数与排名怎样改变
新论文用28项任务修订与时间预算实验，说明Agent评测同时受模型、工具框架、环境和资源约束影响。整体排名较稳，不代表相邻产品的几分差距可靠。
NVIDIA Reshard：大模型强化学习的权重同步，为什么需要重新设计
Reshard 把训练与生成之间的权重更新，转成不同分布式布局之间的精确搬运。它减少的是无用通信，能否加快完整 RL 训练，还取决于同步占比、量化转换、拓扑和正确性。
AI 日报｜11月7日：长期智能体实验、机器人开源与评测维护
六条动态：Anthropic 公布 EVE 智能体实验，Ai2 开放 ToyBlocks；NVIDIA 介绍权重同步优化，Terminal-Bench 新论文讨论基准维护，语音评测增加口音覆盖，OpenAI 与 Hacktron 合作测试服务连接边界。
ServerBench：AI 写推理引擎时，应该优化什么才算赢
ServerBench 把推理优化从单项速度测试推进到有状态会话、延迟约束与完整系统交付。4.87 倍指特定配置下的合格 token 价值指标，真正值得借鉴的是负载选择、实验设计和验证方法。
METR 的研发加速评估：怎样读懂两倍进步速度与 AI 归因
METR 对 Anthropic 的新评估提供了 AI 参与研发的强烈信号，但增长斜率、因果归因、员工体感与风险阈值属于不同问题。本文拆开这些量，并解释公开证据能支持到哪里。
AI 日报｜11月6日：视频生成降价，长时智能体与研发评估更新
六条动态：Gemini Omni 1.2 Flash 降价并支持15秒视频，GPT-6 Cyber 限定开放，Mistral 推出长时智能体预览；METR、ServerBench 与共享 KV cache 方案分别追问研发、服务和上下文复用的实际收益。
预训练数据工程解读：过滤、知识曝光、去重与合成数据
对照原始论文解释数据过滤、重复与知识学习，并区分GLM 100T目标的二手转述、官方历史数据和可验证实验。本文为局部专题，不冒充完整课堂。
Kimi K3.1 Pro 与 zero-mismatch 解读：把推理做快，也把训练真正对齐到推理
从稀疏注意力、缓存与并行，到 KDA 批不变、MoE 归约、LoRA 同步和失配诊断，拆解 K3.1 Pro 的推理与 RL 工程。结合固定源码与 Day-0 PR，区分 vLLM、verl、Megatron、SGLang、Miles 的具体工作、交付状态和验证边界。
llama.cpp 0.9.0 解读：统一 KV、Gemma 4 预填充与多节点通信，三类加速各有边界
llama.cpp 0.9.0 将多序列 KV 行索引、Gemma 4 图裁剪和 NCCL 多节点通信纳入版本更新。它们分别减少无效注意力工作、无用 token 计算和跨节点通信开销，但适用模型、并发条件及比较分母不同，不能合并成一个通用加速倍数。
CUDA 13.5 深读：Rubin 进入 GA，推理系统还需要重验哪些执行边界
CUDA 13.5 的重要性不止是 Vera Rubin 正式支持。资源分配、Tile 内跨卡通信、GPU 驻留控制量和图执行各有进展，也各有驱动、拓扑、形状与兼容限制。沿官方文档和固定版本代码，拆解哪些变化值得评估，哪些结论不能直接外推。
Targeted Guidance：编码代理学会新要求之后，主任务还能守住吗？
Cursor与伯克利的新研究把失败位置的文字反馈用于自蒸馏。值得关注的是行为适配与训练稳定性；判断能否落地，还需要独立评估、反馈质量测试和主任务非劣效验证。
AI 日报｜11月5日：腾讯 Hy4 发布，CUDA 与智能体工程更新
五条动态：Hy4 正式发布但权重待公布，CUDA 13.5 推进 Rubin 支持，Dify 与 NeMo 完善追踪和评测，Dharma 探索专用字段抽取模型。
SGLang v0.5.23 深读：长上下文、融合解码与专家分页，分别改变了什么
SGLang v0.5.23 把长提示词尾部重放、持久融合解码与 MoE 专家分页推进到新的可用阶段。沿原始 PR 与版本代码追踪，可以看清 1.5 倍、44%、30 倍各自的实验分母，以及数值一致性、流式工具调用和 PD 配套升级的生产边界。
AuroraWorld 深读：合成腕部视角，怎样才算改善了机器人学习
拆解运动稳定锚点与结构化生成起点，区分视角替代、数据增广和真实部署观测，并检查 AuroraWorld 的实机失败与指标边界。
AI 日报｜11月4日：状态追踪、幻灯片检查与编码智能体接入
近24小时五条动态：Ai2评估长程状态追踪，IBM以检查修复改进幻灯片生成，Copilot接入JetBrains Air，Nordic发布端侧芯片，NVIDIA介绍故障归因工具。
DeepSeek Super-agent 源码深读：从事件流到有边界的自主协作
从事件流、工单授权、并发调度与恢复机制读懂 DeepSeek 的研究原型，结合实验和社区评论分析长期 Agent 的价值、成本与边界。
Sam Altman 访谈深读：AI 的下一轮增长，取决于科研、算力与控制权
从科研成果的核验、推理预算、自研芯片与个人代理，分析 OpenAI 的产业路线、成本口径和人类控制权。
Sam Altman 谈 OpenAI 下一阶段：科学发现、个人助手与自研芯片的共同逻辑
结合访谈与科研、自研芯片的一手资料，分析个人助手、计算成本、商业护城河和长期信任如何相互作用。
Jack Clark IMF 演讲深读：“奇点已来”的判断，科学代理的证据，以及 44.4 万亿美元背后的假设
结合理论物理评测与经济模型，拆解科研能力、增长情景、基础设施与自我改进之间尚待验证的因果链。
Greg Brockman 访谈深读：当答案和代码变便宜，AI 产业的稀缺资源正在转移
梳理科学发现、生命科学产品、持续代理与网络安全，分析生成成本下降后验证、数据与可靠交付的价值变化。
Emmanuel Ameisen 访谈深读：大模型内部研究正在从“发现概念”走向“解释和改变推理”
深入解读模型规划、计算电路、J-space 与反思训练的新证据，区分内部机制发现、测量局限与产业前景。
Amanda Askell 访谈解读：Anthropic 为什么把模型的价值观写进训练
从 Claude 宪法、训练方法和实证研究出发，分析价值观泛化、人类监督、文化参与及长期用户影响。
Weight-Space Programming 深度解读：LLM 能直接修权重，但修好循环不等于学会数学
从读懂小网络到编辑 Qwen3.5-0.8B，研究展示了权重空间诊断的可能性。真正需要分清的是：无梯度不等于无反馈，分数上涨不等于新增能力，小修改也不等于低成本或无副作用。
vLLM 0.33.0 升级边界：CUDA 构建收缩、FLy 有损验证与 NIXL 门槛
升级前先分清三件事：停止额外 cu129 构建不等于首次改用 CUDA 13；FLy 以改变验证语义换取速度；NIXL 1.5 是 connector 的启动要求，而非可选优化。
AI 日报｜11 月 3 日：vLLM 更新推理栈，端侧芯片与 800V 供电走向部署
最近 24 小时四条值得关注的公开动态：vLLM 0.33.0、Ceva 与 Mobilint 端侧芯片、远景 800V 供电，以及 Tripo 可复用 3D 工作流。
KV Cache 命中了，为什么首 Token 还是慢？FlatCake 重看存储与恢复路径
FlatCake 提出将主机 DRAM 与 NVMe SSD 作为平级 KV Cache 存储介质，并围绕会话布局、恢复调度和直接 I/O 优化长上下文推理。它提示我们：缓存里有数据，不等于数据能及时送到计算侧。
没有找到匹配的内容。试试其他关键词或栏目。