PrismQuant 用零空间旋转优化 INT4 量化，70B 模型几乎无损
PrismQuant 提出量化器感知的旋转框架，将激活主特征空间与非对称分组 INT4 的常量组子空间对齐。在 W4A4KV4 下 Llama-3.2-3B 达到 SOTA，Llama-3.1-70B 困惑度 3.85、平均零样本准确率 72.46%，仅比全精度低 0.22 个百分点。
#部署/工程
#部署/工程
今日 7 条AGI HuntAI 评分4545 arXiv cs.CLAI 评分4242 Masked Diffusion 语言模型中的可靠并行解码（RPD）
免训练的 Reliable Parallel Decoding（RPD）通过逐层预测稳定性与最终置信度筛选候选，提升 Masked Diffusion 语言模型并行解码的可靠性。
arXiv cs.CVAI 评分3535 FastVR：基于一步扩散的高效流式视频修复
FastVR 是一个基于一步扩散模型的流式视频修复框架，可在单张 H20 GPU 上以 11 FPS 处理 1080p 视频。它结合轻量 VAE 与分块因果注意力降低推理成本，并用速度一致性正则化和连续轨迹学习提升修复质量。实验显示 FastVR 比所评估的扩散基线更高效，并在合成与真实世界 benchmark 上达到 SOTA。
arXiv cs.CLAI 评分3333 FastGuide：加速扩散大语言模型的奖励引导
FastGuide 用并行与自回归解码的自适应混合来加速扩散大语言模型的奖励引导，在三个奖励基准上比顺序奖励引导解码最高快 4.4 倍，并保持相近的生成质量。它按每个解码步骤计算一次引导并复用于多个 token，借助 KV 缓存与注意力稀疏重算降低开销，模型不自信的 token 会被推迟解掩。
arXiv cs.AIAI 评分4343 微软迈向数据系统的 AI SW Factory：3x 工程效率、最高 22x token 效率
微软推进面向数据系统的 AI SW Factory，覆盖 Targeting、Coding、Reviewing、Ops 四个 SDLC 阶段。在微软数十个代码仓库的规模化部署中，它相比 agentic coding 达到 3 倍工程效率、最高 22 倍 token 效率。
arXiv cs.AIAI 评分4242 更多程序还是更多次执行？LLM Harness 中覆盖率与专业化的分离
受控评估在 MATH-500 的 386 个任务上对比 8 个生成式 harness 与 1 个 baseline 及 9 份字节相同副本，每个执行 3 次：完全相同的程序仍带来 2.16 个百分点的重复平均 oracle 余量。
arXiv cs.AIAI 评分4040 神经符号路由：在资源受限边缘设备上实现可靠推理
研究者提出一种神经符号路由器，把结构化查询交给确定性求解器、只让 SLM 处理开放式应用题，路由逻辑用 L* 语法推断算法学习 DFA。在 Raspberry Pi 4B 的 100 条未测提示上，其路由准确率 100%、总准确率 98.3%，优于 Program-of-Thought 的 72.0%。
AGI HuntAI 评分3636 中间层只算 1/4 token：把 DiT 重排成 U-Net 提速 2.3 倍
开发者 @LodestoneRock 通过残差数学重排，可把 DiT 等 transformer 残差模型转换成更高效的 U-Net 风格结构，中间层只处理约 1/4 的 token。推理速度比原模型快 2.3 倍，配合快速校准（calibration）能恢复大部分原始输出质量。该方法理论上适用于任意 transformer 残差模型。
arXiv cs.AIAI 评分3636 LW2S：面向高效多智能体 LLM 工作流的反事实信用分配与跳过学习
LW2S 将多智能体 LLM 工作流中的组件省略建模为反事实信用分配，用受控跳过干预学习动作级安全模型，并结合留出集校准与领域内建护栏选择跳过步骤。在数学推理、选择题问答与代码生成、两个指令模型家族上，它降低了记录 token 成本，整体工作流准确率持平或提升。早期跳过被拒时，控制器仍可继续执行并重新考虑后续组件。
AGI HuntAI 评分4747 Kangwook Lee 团队包下韩国网吧，招募超 1000 名玩家训练星际争霸 AI「Ally」
Kangwook Lee 团队租下韩国一间网吧（PC bang），招募超过 1000 名真人玩家与早期版本对局，为可在端侧消费级 GPU 上运行的游戏 AI「Ally」收集 on-policy 数据。团队借鉴 DAgger 思路迭代采集轨迹并纠正后继续训练，将模型蒸馏至 2B 参数规模，还针对边缘设备 KV 缓存预算紧张的问题专门开发了上下文压缩算法。
arXiv cs.CLAI 评分3535 Muslim：面向可溯源伊斯兰知识的已部署阿拉伯语语音 AI 平台
Muslim 是已部署的阿拉伯语语音 AI 平台，向真实用户提供有出处、可溯源的伊斯兰知识，实测 124 例诵读校验准确率 98.4%，端到端语音延迟 0.9-1.7s。
arXiv cs.CLAI 评分3535 MoSAR：学习自适应且可近似注意力几何的语义注意力模式混合
MoSAR 把注意力近似视作几何问题，用输入条件的 query/key 路由器在短、中、全局三种模式间混合，学习连续的距离相关注意力场，并可在训练后经 top-1 路由离散化。在 500M 参数匹配模型的预训练实验中，它未降低语言建模质量，困惑度优于 dense RoPE，长度外推下优于 ALiBi 等基线取得最佳困惑度。
arXiv cs.CLAI 评分3636 G²PTQ：用广义梯度补偿改进 LLM 训练后量化
G²PTQ 提出统一的大语言模型训练后量化框架，在全局监督的块级目标下融合一阶与二阶信息，并在量化每个 Transformer 块前刷新梯度与 Hessian 估计。它引入 trust-region 缩放机制约束梯度步长，防止权重更新爆炸。在多种模型族和位宽上，G²PTQ 与全精度模型的对齐优于 SOTA 基线。
arXiv cs.CLAI 评分4040 REALMS：面向高维嵌套画像实时精确受众规模测算的 AI 对话系统
REALMS 是已部署在企业客户数据平台上的对话式受众规模测算系统，可用自然语言查询数百万画像、数千属性并在几秒内返回精确计数。系统由基于嵌入向量搜索的属性检索、带模板化上下文学习的 LLM NL2SQL 流水线、schema 标准化三部分构成。真实企业数据评估显示属性检索召回高、SQL 执行准确率高、延迟低，此前需数小时的任务可实时完成。
arXiv cs.CLAI 评分4848 生产级 text-to-SQL 流水线中 LLM-as-judge 失败的审计与修复
生产 text-to-SQL 流水线中部署的 gpt-4o-mini LLM-as-judge 与人工标注一致性极低，分歧富集集上 Cohen's kappa 仅 0.04、均匀随机抽查 0.42，并误标 77.1% 的人工判定 FAITHFUL 案例。
arXiv cs.CVAI 评分3535 CSCWD：面向边缘设备轻量微小目标检测的跨尺度通道知识蒸馏
CSCWD 通过跨尺度通道知识蒸馏，把 YOLO11m-P2 教师的高分辨率空间表征迁移到 YOLO11n 学生，且不改变其推理架构。在 Drone-vs-Bird 协议下，YOLO11n-CSCWD 达 50.17% mAP@0.5 与 59.73% recall，较 CA-YOLO11n baseline 提升 2.92 和 3.55 个百分点。
Apple Machine Learning ResearchAI 评分3535 Glyph：面向企业数据目录的多策略智能体系统，用于列描述与敏感度本体标注
Glyph 是一个生产系统，把列描述生成与列类型标注建模为由状态图编排的协作式 LLM 智能体。Descriptor 从企业 GitHub 按需检索流水线源码来支撑生成。
Apple Machine Learning ResearchAI 评分4646 TS-DFM：以轨迹为教师、经能量导航蒸馏的少步离散流匹配
TS-DFM 用能量导航替代离散流匹配训练中的盲随机跳步：轻量能量罗盘在每个中间点评估候选续写、选出最连贯的一支，且塑造仅在训练期进行，推理成本不变。在 170M 参数语言建模上，8 步学生模型的困惑度比 1024 步教师低 32%、速度快 128×，增益在多种源分布和三种规模递增的评估器上一致。其困惑度优于所有对比的离散生成基线，包括训练数据多 6× 或模型大 5× 的方法。
Apple Machine Learning ResearchAI 评分4343 面向智能体 LLM 系统的共享选择性持久记忆架构
共享选择性持久记忆架构面向智能体 LLM 系统，只保留任务规范、数据 schema、工具配置与输出约束四类可复用上下文，工作区可按角色访问权限跨用户共享。在三个企业部署场景中任务完成率达 96%，高于无记忆的 79% 与保留完整历史的 71%。零 token 数据刷新免去重复更新的 LLM 重调用，任务耗时降低 14×；摘要驱动生成使单次调用 token 成本降低 97×。
HuggingFace BlogAI 评分4949 Quantization-Aware Healing：GPT-OSS 120B 压缩到 60B 的 4-bit 模型在 7/9 基准上超越全精度版本
Quantization-Aware Healing（QAH）让 GPT-OSS 120B 压缩到 60B、量化为 MXFP4 后，在 9 项基准中 7 项超过其 bfloat16 全精度版本。
HuggingFace BlogAI 评分4545 ALTK-Evolve 对比 ACE：用更少 Token 实现同等智能体记忆
ALTK-Evolve 与 ACE 都让智能体从自身轨迹中学习，区别在注入方式：前者按任务检索少量高支持度指南，后者每步注入完整 playbook，因而 Token 更省。
HuggingFace BlogAI 评分5252 Multiverse Computing 让知识蒸馏便宜到可大规模运行
Multiverse Computing 提出离线缓存教师 top-100 logits 和融合分块 KL 损失两项改动，让知识蒸馏不必同时把教师与学生模型放在显存里。
Google ResearchAI 评分5050 Google 用冻结 MTP 加速 Pixel 上的 Gemini Nano 模型
Google Research 提出把 Multi-Token Prediction（MTP）头接到已冻结的 Gemini Nano v3 主干上，无需为每个任务微调独立的草稿模型即可实现端侧文本生成加速。
Google ResearchAI 评分4444 Google 提出线性弹性缓存：Spanner 内存用量降 15.5%、TCO 降约 5%
Google 提出线性弹性缓存，把页面淘汰建模为滑雪租赁问题，用轻量机器学习按访问模式给页面设定 TTL，在内存占用与缓存未命中之间做取舍。集成进 Spanner 生产服务器数月后，内存用量降低 15.5%，缓存未命中仅增 5.5%，总拥有成本（TCO）降低约 5%，且未命中的增加集中在取回成本较低的数据上，I/O 成本影响仅 0.5%。
Google ResearchAI 评分4444 Google 推出 TurboQuant：以极致压缩重新定义 AI 效率
Google 推出 TurboQuant，一种零精度损失的压缩算法，可同时压缩 KV cache 并加速向量搜索。它先用 PolarQuant 随机旋转向量完成主体压缩，再用 1 bit 的 QJL 消除残差误差，TurboQuant 将在 ICLR 2026 展示。
Google Research精选AI 评分7272 Google 与 NHS 合作在 Nature Cancer 发表两项 AI 乳腺癌筛查研究
Google 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项论文，分别评估 AI 乳腺癌筛查系统的独立性能及其作为第二读片人嵌入双读流程的效果。
推荐理由：两项研究给出了AI作为第二读片人的性能数据与部署细节，可供评估AI嵌入既有人工复核流程的可行性与难点。