MuonGS 利用 Gram-Schmidt 投影提升大语言模型预训练效率
为什么值得读 开发者可通过切换至 MuonGS 实现更快的收敛和更低的最终损失，该优化器避免了严格范数控制带来的探索局限。
新型 MuonGS 优化器采用 Gram-Schmidt 投影放宽权重范数约束，在保持训练速度的同时显著降低大语言模型的验证困惑度，实现更优收敛。
标签 · #llm
BeNice!：通过KV共享填补循环架构的推理-记忆鸿沟
为什么值得读 该方法解决了循环架构中的关键内存瓶颈，通过复用键值缓存，在受限硬件上支持更长的上下文和更高的吞吐量。
研究人员提出BeNice!方法，使循环模型能够共享KV缓存，在保持质量不变的前提下显著降低内存占用并提升推理吞吐量。该方法通过预训练阶段的随机深度和后训练阶段的广播机制，实现了KV缓存的可共享性，解决了循环架构中的关键内存瓶颈。
Scenario-Actor：大语言模型的自适应温度选择
为什么值得读 该框架利用交际场景的几何表示，突破了固定启发式的局限，从而提升指令遵循能力和社交场景表现。
新框架通过从隐藏状态推断情境特征，自适应调整大语言模型的解码温度，超越固定启发式方法。
WUSH-KV：用于低比特 KV 缓存量化的数据自适应变换
为什么值得读 通过新颖的量化技术减少内存带宽瓶颈，优化长上下文推理。
WUSH-KV 利用数据自适应变换降低 KV 缓存内存成本，在 2 比特量化下实现低困惑度。该方法通过折叠值变换至模型权重，并结合截断量化器，有效减少量化误差。
SemMSA：基于不完整数据的鲁棒多模态情感分析
为什么值得读 该框架通过利用潜在语义而非重构来解决MSA中常见的模态缺失问题，为实际应用提供了一种鲁棒的替代方案。
SemMSA利用大语言模型和谱对齐技术，在数据缺失场景下提升情感分析效果，达到最先进水平。该框架通过潜在语义而非重构来解决模态缺失问题，为实际应用提供鲁棒替代方案。
SWE-Flux基准测试揭示大语言模型在运行时推理方面的困境
为什么值得读 大语言模型在运行时行为方面仍然薄弱。SWE-Flux提供了一个严格、自动化的基准测试，以衡量其在真实Python仓库中这一能力的差距。
新的仓库级基准测试SWE-Flux显示，顶级大语言模型在动态执行推理任务上的准确率仅为37%。
Flash-dLLM：面向快速、内存高效扩散语言模型的I/O感知KV缓存与并行解码
为什么值得读 使用基于扩散的语言模型的研究人员和工程师，通过采用此免训练加速框架，可显著降低推理延迟和内存开销。
Flash-dLLM引入I/O感知融合KV缓存内核与并行解码策略，无需辅助模型即可加速扩散语言模型。
通过LoRA生成超网络实现高效的端侧大语言模型个性化
为什么值得读 该方法通过在本地合成轻量级LoRA权重，解决了端侧大语言模型的算力和延迟限制，实现了无需依赖云端的高质量个性化。
新方法利用超网络在端侧生成个性化LoRA适配器，平衡了上下文学习（ICL）的延迟与参数高效微调（PEFT）的存储成本。
SWE-Gate 基准揭示通过测试与真实世界代码接受度之间的差距
为什么值得读 开发者需要认识到，功能上的成功并不等同于可部署的代码质量。
新基准 SWE-Gate 表明，编码智能体即使通过了功能测试，也常常无法满足代码审查约束，这揭示了功能成功与可部署代码质量之间的差距。
TTPO通过非对称策略优化实现无标签数学推理
为什么值得读 工程师可以在测试时提升大语言模型的推理能力，而无需依赖昂贵或不可用的真实标签。
TTPO利用多数投票伪标签，在无需真实标签数据的情况下，于竞赛级数学基准测试中实现了与有监督学习相当的性能。
SWE-Prime 以更少的轨迹提升模型性能
为什么值得读 开发者应关注此问题，因为嘈杂的监督信号会鼓励模型模仿不良的问题解决行为。
新方法 SWE-Prime 通过过滤训练数据，提升大语言模型解决现实世界软件问题的能力。该方法在轨迹和片段层面逐步筛选数据，剔除无效、冗余或高风险步骤，仅保留对解决方案有积极贡献的片段参与损失计算，同时完整保留上下文。
大语言模型智能体中的跨任务技能迁移：子任务与文本胜出
为什么值得读 构建自主智能体的开发者可以通过将记忆结构化为文本形式的子任务来提高可靠性。所提出的效用分数提供了一种执行前的诊断手段，用于筛选有效技能。
研究发现，基于子任务的归纳和文本格式能使大语言模型智能体实现可靠的技能迁移，其效果优于基于任务和代码的方法。
MidTool：通过中期训练增强智能体能力
为什么值得读 这项研究表明，专用的中期训练对于稳健的智能体工具使用至关重要，为仅依赖后训练方法的 LLM 提供了更优的替代方案。
MidTool 引入了一种中期训练流程，通过结合网络数据与合成的 API 监督，显著提升了 Qwen3 模型在通用工具使用方面的能力。
OpenAI 预览 GPT-5.6 Sol、Terra、Luna：访问权限卡在美国政府审批关口
为什么值得读 模型已经就绪，政策却还没跟上。一次由政府审批、而非 OpenAI 产能决定发布节奏的前沿模型发布，是开发者今后还会再见到的新治理模式。
OpenAI 于 6 月 26 日发布 GPT-5.6 Sol/Terra/Luna：Sol 在 Terminal-Bench 2.1 拿下 91.9%，但访问权限仅限约 20 家获美国政府批准的合作伙伴。
智谱 AI 开源 GLM-5.2 权重：100 万 Token 上下文、顶尖开源编程模型，成本仅 GPT-5.5 的六分之一
为什么值得读 开源权重与前沿闭源模型的差距，如今只能用个位数的基准分数来衡量。对自托管的开发者而言，GLM-5.2 改写了智能体编程「自建 vs 采购」的算式。
Z.ai 于 6 月 17 日以 MIT 许可证发布 GLM-5.2——一款 7530 亿参数的 MoE 模型，具 100 万 token 上下文，登顶开源编程基准，成本约仅 GPT-5.5 的六分之一。
Google 将 Gemini 3.5 Pro 推入最终预览阶段：200 万 Token 上下文与 Deep Think 推理
为什么值得读 定价与免费试用期是开发者最该先确认的两件事。以每百万 token 输入 $15／输出 $60 的定价，Pro 是被设计来认真使用的，而非试用。
Gemini 3.5 Pro 进入最终 Vertex 企业版预览，具备 200 万 token 上下文窗口与 Deep Think 推理；GA 正式发布预计在 2026 年 6 月即将到来。
Anthropic 推出 Claude Fable 5：公众终于能用上的 Mythos 级前沿模型
为什么值得读 一个前沿模型、两种发布：带安全护栏的公开版，与受限的完整版。定价、免费窗口与安全分类器回退机制，是开发者最该先确认的三件事。
Anthropic 发布 Claude Fable 5——首个公开可用的 Mythos 级模型，定价每百万 token 输入 $10／输出 $50；解除限制的 Mythos 5 仅开放给经审核的合作伙伴。
微软把自家代码模型送进 GitHub Copilot：MAI-Code-1-Flash 对开发者的意义
为什么值得读 如果你成天泡在 GitHub Copilot 里，本周光标下的默认模型可能已悄悄换掉了。以下是实际推出的内容，以及如何辨认。
微软在 Build 2026 把一个 5B 自研代码模型放进 VS Code，并推出一个 35B 推理模型——两者都未经 OpenAI 蒸馏训练。
微软推出七款自研 MAI 模型，包含首款推理模型，以降低对 OpenAI 的依赖
为什么值得读 一个大型平台拥有者推出自家推理模型，并公开将其框定为少付 OpenAI 费用的途径，这是一个结构性的故事，而不只是一次产品发布——它为整个前沿模型供应链重新定价。
在 6 月 2 日的 Build 2026 上，微软发布七款从零打造的 MAI 模型，由推理模型 MAI-Thinking-1 领衔，以降低成本并减少对 OpenAI 的依赖。
DeepSeek V4、Kimi K2.6、GLM-5.1、MiniMax M2.7：前沿级编码模型，成本仅 1/5 至 1/25
中国 4 个实验室在 12 天内发布前沿级编码模型。GLM-5.1（MIT 许可证）在 SWE-Bench Pro 上以 58.4% 与 Kimi K2.6 持平。成本差距为西方 API 的 5-25 倍。