MuonGS 利用 Gram-Schmidt 投影提升 LLM 預訓練效率
為什麼值得讀 開發者透過改用 MuonGS 可實現更快的收斂速度與更低的最終損失，因為它避免了嚴格範數控制所帶來的探索限制。
新型 MuonGS 最佳化器採用 Gram-Schmidt 投影放寬權重範數限制，提升大型語言模型的驗證困惑度與訓練速度，並透過放寬約束實現更優探索。
標籤 · #llm
BeNice！透過 KV 共享閉合循環模型的推理記憶體缺口
為什麼值得讀 此方法解決了循環架構中的關鍵記憶體瓶頸，透過重用鍵值快取，允許在受限硬體上處理更長的上下文並提高吞吐量。
研究人員提出 BeNice！方法，使循環模型能夠共享 KV 快取，在無損品質的前提下降低記憶體使用量並提升推理吞吐量。
Scenario-Actor：大型語言模型的自適應溫度選擇
為什麼值得讀 突破固定啟發式規則，利用溝通場景的幾何表示法，提升指令遵循與社交情境的表現。
新框架根據隱狀態推斷的情境特徵，動態調整大型語言模型的解碼溫度，以適應不同溝通場景。
WUSH-KV：用於低比特 KV 快取量化之資料自適應變換
為什麼值得讀 透過創新量化技術減少記憶體頻寬瓶頸，優化長上下文推論。
WUSH-KV 利用資料自適應變換降低 KV 快取記憶體成本，在 2-bit 量化下實現低困惑度。
SemMSA：具備不完整資料的強健多模態情感分析
為什麼值得讀 此框架透過潛在語意而非重建方式，解決多模態情感分析中常見的模態缺失問題，為實際應用提供強健的替代方案。
SemMSA 利用大型語言模型與頻譜對齊技術，在資料缺失情境下提升情感分析效能，並達成業界領先水準。
SWE-Flux 基準測試揭示大型語言模型在執行期推理上的困境
為什麼值得讀 大型語言模型在執行期行為方面仍顯薄弱。SWE-Flux 提供了一項嚴謹且自動化的基準測試，用於衡量模型在真實 Python 儲存庫中此方面的差距。
新推出的儲存庫層級基準測試 SWE-Flux 顯示，頂級大型語言模型在動態執行推理任務上的準確率僅達 37%，暴露出其在處理複雜程式碼執行邏輯時的顯著不足。
Flash-dLLM：具備 I/O 感知能力的 KV 快取與平行解碼，實現快速且記憶體高效的擴散式大型語言模型
為什麼值得讀 使用基於擴散式語言模型的研發人員與工程師，可透過採用此無需訓練的加速框架，大幅降低推論延遲與記憶體開銷。
Flash-dLLM 引入 I/O 感知融合 KV 快取核心與平行解碼策略，在不依賴輔助模型的情況下加速擴散式大型語言模型。
透過 LoRA 生成超網路實現高效的端側 LLM 個人化
為什麼值得讀 此方法透過在本地合成輕量級 LoRA 權重，解決端側 LLM 的運算與延遲限制，無需依賴雲端即可實現高品質個人化。
新技術利用超網路在端側生成個人化 LoRA 適配器，平衡 ICL 延遲與 PEFT 儲存成本，實現高效個人化。
SWE-Gate 基準揭示通過測試與實際程式碼接受度之間的差距
為什麼值得讀 開發人員需要了解，功能上的成功並不等同於可部署的程式碼品質。
新基準顯示，編碼代理即使通過功能性測試，也常因無法滿足審查約束而失敗，突顯了功能測試的局限性。
TTPO 透過非對稱策略優化實現無標籤數學推理
為什麼值得讀 工程師可在測試階段提升 LLM 的推理能力，而無需依賴昂貴或無法取得的真實標籤。
TTPO 利用多數決偽標籤，在無真實標籤資料的情況下，於競賽級數學基準測試中達到與監督學習相當的效能。
SWE-Prime 以更少的軌跡提升模型效能
為什麼值得讀 開發者應關注此議題，因為雜訊監督可能促使模型模仿不理想的問題解決行為。
新方法 SWE-Prime 透過過濾訓練數據，提升大型語言模型解決現實軟體問題的能力。此方法採用多粒度、兩階段選擇策略，在軌跡與片段層級逐步篩選，確保僅貢獻正向解的片段用於損失計算，同時保留完整上下文，避免引入雜訊監督並鼓勵模仿不良行為。
大型語言模型智能體中的跨任務技能遷移：子任務與文本勝出
為什麼值得讀 開發自主智能體的開發人員可以通過將記憶體結構化為文本形式的子任務來提高可靠性。所提出的效用評分提供了一種執行前的診斷工具，用於篩選有效的技能。
研究發現，子任務級別的歸納與文本格式能使大型語言模型智能體實現可靠的技能遷移，其表現優於任務級別和基於代碼的方法。
MidTool：透過中期訓練增強代理能力
為什麼值得讀 本研究顯示，專為強大代理工具使用而設計的中期訓練至關重要，為僅依賴後期訓練方法的大型語言模型提供了更優的替代方案。
MidTool 引入中期訓練流程，結合網路資料與合成 API 監督，顯著提升 Qwen3 模型的通用工具使用能力。
OpenAI 預覽 GPT-5.6 Sol、Terra、Luna——存取權卡在美國政府審查之後
為什麼值得讀 模型已就緒，政策卻還沒跟上。前沿模型發布卡在政府審批而非 OpenAI 產能上，這是開發者該預期會再次看到的新治理模式。
OpenAI 於 6 月 26 日發布 GPT-5.6 Sol／Terra／Luna——Sol 在 Terminal-Bench 2.1 拿下 91.9%，但存取權僅限約 20 家獲美國政府核准的合作夥伴。
智譜 AI 開源 GLM-5.2 權重：100 萬 Token 上下文、頂尖開源編程模型，成本僅 GPT-5.5 的六分之一
為什麼值得讀 開源權重與前沿閉源模型的差距，如今只能用個位數的基準分數來衡量。對自架部署的開發者而言，GLM-5.2 改寫了代理式編程「自建 vs 採購」的算式。
Z.ai 於 6 月 17 日以 MIT 授權釋出 GLM-5.2——一款 7,530 億參數的 MoE 模型，具 100 萬 token 上下文，登頂開源編程基準，成本約僅 GPT-5.5 的六分之一。
Google 將 Gemini 3.5 Pro 推入最終預覽階段：200 萬 Token 上下文與 Deep Think 推理
為什麼值得讀 定價與免費試用期是開發者最該先確認的兩件事。以每百萬 token 輸入 $15／輸出 $60 的定價，Pro 是被設計來認真使用的，不是拿來試用的。
Gemini 3.5 Pro 進入最終 Vertex 企業版預覽，具備 200 萬 token 上下文視窗與 Deep Think 推理；GA 正式發布預計在 2026 年 6 月即將到來。
Anthropic 推出 Claude Fable 5：大眾終於摸得到的 Mythos 級前沿模型
為什麼值得讀 一個前沿模型、兩種發布：有安全護欄的公開版，與受限的完整版。定價、免費期間與安全分類器回退機制，是開發者最該先確認的三件事。
Anthropic 發布 Claude Fable 5——首個公開可用的 Mythos 級模型，定價每百萬 token 輸入 $10／輸出 $50；解除限制的 Mythos 5 僅開放給審核過的合作夥伴。
微軟把自家程式碼模型送進 GitHub Copilot：MAI-Code-1-Flash 對開發者的意義
為什麼值得讀 如果你成天泡在 GitHub Copilot 裡，本週游標下的預設模型可能已悄悄換掉了。以下是實際推出的內容，以及如何辨認。
微軟在 Build 2026 把一個 5B 自研程式碼模型放進 VS Code，並推出一個 35B 推理模型——兩者都未經 OpenAI 蒸餾訓練。
微軟推出七款自研 MAI 模型，包含首款推理模型，以降低對 OpenAI 的依賴
為什麼值得讀 一個大型平台擁有者推出自家推理模型，並公開將其框定為少付 OpenAI 費用的途徑，這是一個結構性的故事，而不只是一次產品發布——它為整個前沿模型供應鏈重新定價。
在 6 月 2 日的 Build 2026 上，微軟發布七款從零打造的 MAI 模型，由推理模型 MAI-Thinking-1 領銜，以降低成本並減少對 OpenAI 的依賴。
DeepSeek V4、Kimi K2.6、GLM-5.1、MiniMax M2.7：前沿編碼能力，成本低 5–25 倍
四家中國實驗室在 12 天內相繼推出前沿等級編碼模型。GLM-5.1 以 MIT 授權在 SWE-Bench Pro 達 58.4%，與 Kimi K2.6 並列最高。API 成本比西方前沿模型低 5–25 倍。