头条精讲
DeepSeek 开源推理框架：走向真正普惠的未来（在新标签页打开）
推荐理由DeepSeek 把内部推理框架与官方 API 对齐的编解码组件一起开放，补上从模型权重到规模化服务的中间层。部署团队可据此比较算子、调度与接口一致性各自负责什么，并评估英伟达和昇腾上的私有化部署路线；本次新增的是服务框架，不是另一轮模型升级。
DeepSeek 发布 V4.1-Flash-1017 新模型，在性能提升的同时降低任务成本，并开放自研搜索 API 与模型权重。
推出 TPU 上全新的 vLLM 和 SGLang 推理引擎（在新标签页打开）
推荐理由Google 让 vLLM、SGLang 在保留熟悉的 PyTorch 模型定义、调度和服务接口时接入 TPU。适合正在评估硬件替代路线的团队：通过前缀缓存、分层 KV 存储和预填充解耦，理解迁移工作究竟发生在哪里，以及应如何用自己的工作负载比较延迟与成本。
Google 推出适用于 vLLM 和 SGLang 的原生 PyTorch 后端，让 TPU 能够为智能体和多模态工作负载提供高性能、可定制的推理能力。
Anthropic 技术团队成员：当 Claude 从助手变成主动协作的 AI 队友（在新标签页打开）
推荐理由Anthropic FDE 团队负责人用项目追踪、反馈分流与排班协调，讲清 Claude 如何逐步接过持续职责。希望从个人提效走向团队协作的读者，可以学习共享上下文、工具身份、记忆、触发和反馈怎样配合，并保留人对需求、代码与行动项的判断。
Anthropic FDE 团队负责人介绍，如何借助逐步授权、共享上下文、工具、记忆、触发机制和反馈，让 Claude 成为主动协作的队友，同时保留人的关键决策。
今日精华
训练中自己生成的 Rollout，模型还能学到什么？小红书 AllSpark 提出 ROSS（在新标签页打开）
推荐理由做模型后训练的团队，可参考如何保留错误尝试的上下文、只学习其中有效片段，把已有 rollout 变成可复用的训练资产。
小红书 AllSpark 提出 ROSS 方法，通过选择性监督微调让模型重新学习训练中生成的历史 rollout，在单轮 RL、多教师蒸馏及 Agentic RL 三类场景中均显著提升模型性能，且无需额外生成新轨迹。
FairStress：深入评估 LLM 决策中的公平性（在新标签页打开）
推荐理由负责高影响 AI 应用的团队，可学习把公平评估从最终答案延伸至受劝说时的稳定性，并检查身份线索如何改变模型判断。
AllenAI 推出 FairStress 基准测试，通过对 15 个模型进行对抗性前缀测试，覆盖 13M 个测试案例，揭示 LLM 存在「反刻板印象式过度纠偏」：当有利于少数群体候选人时，模型更容易放弃正确决策。
再访 Dyna Robotics：被部署教训300天后，找到机器人 Scaling Law（在新标签页打开）
推荐理由通过机器人创始人的部署复盘，理解硬件形态、动作模型和数据采集如何围绕真实客户任务取舍，建立比演示视频更具体的观察框架。
Dyna Robotics 创始人分享了具身智能在真实场景部署中的教训，强调从 VLA 转向世界动作模型（WAM），并认为简单精巧的设计更具规模化扩展性。
SGLang 低延迟模式：内核与运行时（在新标签页打开）
推荐理由已有 GPU 推理服务的开发者，可沿内核、通信和运行时的协同优化定位延迟来源，并学习在一致硬件与并发口径下比较收益。
SGLang 推出低延迟模式，并采用插件框架为 NVIDIA 和 AMD GPU 提供专用内核，大幅提升智能体工作流的推理速度。
Index-Translate：支持 150 种语言的多模态翻译模型是如何炼成的？（在新标签页打开）
推荐理由需要字幕和内容出海的团队，可参考多语言数据配比、音节控制与文档一致性训练，把翻译质量要求转化为可训练和可评测的目标。
哔哩哔哩 Index LLM 团队发布 Index-Translate 系列模型，覆盖 150 种语言的文本、图文、语音及长文档翻译，并开源 2B/9B/35B-A3B 三种规模与免费 API。
NVIDIA Cosmos3-H-Dreams：通过生成式模拟让临床手术栩栩如生（在新标签页打开）
推荐理由世界模型与机器人研究者，可借动作条件下的手术视频生成理解交互式模拟的构建方法，以及真实数据、蒸馏和流式推理如何配合。
NVIDIA 发布 Cosmos3-H-Dreams，这是首个基于临床胆囊切除术数据训练的实时生成式手术模拟器，可在单块 GPU 上实现带实时运动学控制的交互式模拟。
Monzo 自建编码智能体走红：把内部平台变成智能体的基础设施（在新标签页打开）
推荐理由平台工程团队可参考银行如何复用工具网关、沙箱和网络边界，将编码助手扩展为组织能力，并设计可审查的业务人员交付流程。
Monzo 工程师介绍如何借助内部工具网关、隔离沙箱和既有平台，把 Slack 中的编码智能体发展为全公司的可复用能力。
补充阅读
3 位 Java 冠军如何借助 GitHub Copilot 提升生产力（在新标签页打开）
推荐理由Java 开发者可参考定制技能、任务验证关卡与确定性检查，把编码智能体纳入现有工程实践，同时保留架构决策的责任。
3 位 Java 冠军分享了将 GitHub Copilot 用作思维碰撞伙伴和执行智能体的具体做法，重点强调设置验证关卡、定制技能、使用确定性工具，以及在委派实现工作的同时保留架构责任。
可编程数据中心——SF Compute 的 Evan Conrad（在新标签页打开）
推荐理由评估算力采购的团队，可通过算力合约与订单簿设计理解 GPU 市场如何匹配不同配置、期限和交付需求。
SF Compute CEO Evan Conrad 详述公司如何从转租 GPU 集群，发展为可编程数据中心：通过实物交割算力合约，并以订单簿撮合各种 GPU 配置，打造流动性市场。
PyTorch 2.15 中的 MPS（在新标签页打开）
推荐理由在 Apple Silicon 运行模型的开发者，可结合内核、精度与内存优化判断本地推理可行性，并明确需要实测的模型和设备组合。
PyTorch 1.15 为 Apple Silicon 上的 MPS 带来了多项显著性能优化，包括 FP8 支持、借助 Metal 内核加速 LLM 解码，以及降低视频生成的内存占用。
ALTK-Evolve：无需前沿模型，学习型记忆如何在客户服务任务中登顶 τ²-bench 排行榜（在新标签页打开）
推荐理由希望改善客服智能体的团队，可学习从历史尝试提炼操作准则的方法，把经验记忆与模型权重更新作为两条可比较的改进路线。
ALTK-Evolve 使用 GPT-4.1 从训练数据中提取行为准则，并将其追加到智能体的提示词中，最终在 τ²-bench 零售领域取得 67.5% 的 Pass^4 分数，无需更新模型权重便超越了所有其他参赛方案。
一次搜索，双重空间：在 PyTorch Helion 中使用 NVIDIA CompileIQ 控制编译器（在新标签页打开）
推荐理由GPU 内核开发者可参考联合搜索编译器与内核参数的方法，检查已经调优的实现是否仍受底层编译决策限制。
Helion 新增了与 NVIDIA CompileIQ 的编译器控制集成，可联合自动调优内核和 PTXAS 设置，带来超越现有 Helion 自动调优的可测量加速。
字节跳动 Athanor：4 个 Agent 自主后训练，104 小时追平官方指令版（在新标签页打开）
推荐理由自动化研究团队可借多智能体后训练实验观察任务协调、实验复用和计算预算，并识别研究路线趋同对探索范围的影响。
字节跳动等团队提出 Athanor 系统，让四个 Claude Agent 自主完成 Qwen3-4B-Base 的后训练研究，104 小时、约 1.18 万美元后追平官方指令版，但研究路线高度趋同。
能把健康问题交给 ChatGPT 吗？OpenAI 谈医疗 AI 的信任、能力与边界（在新标签页打开）
推荐理由关注医疗 AI 的读者，可从研究负责人的解释理解专家评估、通用模型与工作流集成如何共同建立可用性与信任。
OpenAI 健康研究负责人解释，通用模型、专家评估与工作流集成如何普及健康智能，同时保留医疗服务所需的人与机构责任。
超越原型：使用 Ray 扩展框架无关的 AI 智能体基础设施（在新标签页打开）
推荐理由准备将 Agent 原型扩大到生产的开发者，可参考框架无关的执行与观测设计，评估并发任务下的可靠性和资源管理。
本文探讨如何借助 Ray 将 AI 智能体从原型扩展为生产级基础设施，重点介绍编排、可观测性与可靠性。
借助 Model Explorer 为自定义边缘编译器带来可视化图调试（在新标签页打开）
推荐理由边缘编译器工程师可学习把中间表示和性能信息连起来，缩短导出回归、设备委派和周期瓶颈的定位路径。
Google AI Edge Model Explorer 支持对自定义边缘编译器 IR 进行可视化调试，帮助 Arm 工程师发现导出回归、验证 NPU 委派，并精准定位边缘设备上的周期级瓶颈。
Al Chen：用可验证的工程证据缩短大型银行 AI 部署审查（在新标签页打开）
推荐理由面向银行交付 AI 的团队，可参考漏洞复现、恢复正确性与评估解释检查，将部署保证转换为审批方可以验证的工程证据。
Al Chen 解释如何用漏洞复现测试、恢复正确性验证和关注泄漏风险的 LLM 评估，缩短银行企业 AI 的生产部署审查。
