语言模型边缘注意力空间中的涌现结构
一项 arXiv 研究将 60 多个 LLM 的 post-softmax 注意力权重对 query 位置做边缘化，构建 token-head 联合的“边缘注意力空间”。
#推理引擎
新闻、仓库与研究，按时间排列。
arXiv · cs.CLAI 评分5050 arXiv · cs.CLAI 评分5050 跨异构 AI 模型的同伴影响力研究：谁说服谁？
该 arXiv 论文测试七个开放权重模型在三个语言理解任务中的说服动态，将说服定义为智能体与异议同伴单次交流后决策的概率性偏移。结果显示说服效果强烈，但单独置信度与模型规模均无法可靠预测：孤立决策近乎完全一致的小模型也可能最易被说服，且小模型可说服大模型。偏移幅度更多取决于听者的易感性而非说者的说服力，交互模型的行为必须在实际组合中评估。
arXiv · cs.CL精选AI 评分5252 HARPO：兼顾忠实与创造力的幻觉感知强化学习框架
论文提出 HARPO 强化学习框架，用可验证反馈训练的幻觉感知生成奖励模型 HA-GRM 联合优化忠实性与创造力，仅对无幻觉输出激活写作奖励，并通过课程从创作任务渐进过渡到幻觉任务。
推荐理由：论文给出了 HA-GRM 在 RAGTruth 上的 F1 对比和 Qwen3-4B 幻觉率与创作分的前后数据，可评估该框架的实际收益。
Ollama Blog精选AI 评分6464 Ollama 0.35 支持 Jev 风格决策模型，新增 nimble 与 tev1 等 3 个模型
Ollama 0.35 新增基于 TypeSafe Jev API 的决策模型支持，通过 /v1/systemone 端点在本地一次请求回答多个命名问题，适用于工单分诊、模型路由和内容审核等快速决策场景。
推荐理由：官方给出了本地决策模型的延迟数据、三个可用模型和 API 用法，读者可以直接照着在本地跑起来。
Hugging Face Blog精选AI 评分7474 
Hcompany 发布 Holo4 系列智能体模型：27B dense 与 35B-A3B 两种规格
Hcompany 发布 Holo4 系列智能体模型，含 27B dense 和 35B-A3B MoE 两种规格，并同时发布基于 NVIDIA Nemotron 3 Nano Omni 的 Holotron4 Nano。
推荐理由：官方公布了 OSWorld 2.0 与 AutomationBench 的分数、成本对比和完整轨迹数据，读者可以自行回放验证各步骤表现。
Hugging Face Blog精选AI 评分6363 
LiquidAI 发布 LFM2.5-VL-3B 的 DSpark 草稿模型，解码加速最高 3.13x
LiquidAI 发布视觉语言模型 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下换取推理提速。解码加速在端侧最高 3.13x、H100 上最高 2.66x，端到端延迟分别提升 1.56x-2.62x 和 1.64x-2.27x；草稿模型约 280M 参数，仅增加 8.9% 参数量。
推荐理由：原文给出4层注意力 drafter 的结构与分任务实测加速数据，并解释预填充阶段为何限制端到端收益。
Hugging Face · 趋势模型精选AI 评分5858 
Google DeepMind 开源 EmbeddingGemma 2 多模态嵌入模型
Google DeepMind 在 Hugging Face 开源 EmbeddingGemma 2，一个 740M 参数的多模态嵌入模型，将文本、代码、图像、视频和音频统一映射到 768 维向量空间，支持 100+ 语言和 8K token 上下文。模型采用 MRL 支持截断到 128d 至 512d，可在 256d 内接近无损地降低向量存储成本，并允许按需加载视觉（170M）与音频（300M）编码器；文本编码基准 MTEB code 得分 78.68，较一代的 68.76 明显提升。
推荐理由：官方模型卡给出各维度基准分数、MRL 截断表和部署配置，对想在端侧做多模态检索的开发者是可落地的选型参考。
ComfyUI Releases · 图像工作流AI 评分2626 ComfyUI v0.32.0 发布：新增 LTX 2.5、Qwen-Image 3.0 Pro 与 Grok-Imagine-Image-2.0 支持
ComfyUI 发布 v0.32.0，新增对 LTX 2.5、Qwen-Image 3.0 Pro 和 Grok-Imagine-Image-2.0 模型的支持节点，并优化 MiniMax-H3 VAE 与显存峰值问题。该版本还简化嵌套 tensor 调试、修复 upscale 模型在低显存下的崩溃问题，官方最低支持的 PyTorch 版本提升至 2.7。
Ollama Blog精选AI 评分6666 NVIDIA Nemotron 3.5 Lightning 开放模型登陆 Ollama，可完全本地运行
NVIDIA Nemotron 3.5 Lightning 现已可在 Ollama 上下载并完全在本地设备运行。该模型为 30B 总参数、每 token 仅 3B 激活的混合 MoE 架构，面向长时运行的 Agent 任务，支持最高 1M token 上下文，通过 MTP、DFlash 或 DSpark 投机解码实现最高 4x 于同类开放模型的吞吐，任务完成时间快 30%。
推荐理由：原文给出了 MoE 架构、1M 上下文和 4x 吞吐等具体配置与对比数据，读者可据此评估其本地 Agent 部署价值。
Ollama Blog精选AI 评分7373 Ollama 0.31 通过多 token 预测让 Gemma 4 在 Apple Silicon 上生成速度提升近 90%
Ollama 0.31 通过多 token 预测（MTP）让 Gemma 4 在 Apple Silicon 上生成速度平均提升近 90%，基于 Aider Polyglot 基准在 M5 Max 上实测。
推荐理由：原文讲清了 MTP 投机解码的三个实现环节和 Aider polyglot 实测数据，并指出新内核可被其他模型复用。
Ollama Blog精选AI 评分7171 Ollama 更新 MLX 引擎，Apple Silicon 性能提升并支持 NVFP4 量化
Ollama 更新其 MLX 引擎，称在 Apple Silicon 上实现迄今最高性能，支持 NVIDIA 的 NVFP4 量化格式：在 Gemma 4 12B 上相对 q4_K_M 大约将 4-bit 量化的质量损失减半，输出速度在 8,300-token 输入下快约 20%。
推荐理由：官方给出了 NVFP4 相对 q4_K_M 的困惑度对比和快照缓存对 Agent 工作流的处理方式，数据与方法都可直接参考。
ComfyUI Releases · 图像工作流精选AI 评分6363 ComfyUI v0.18.0 发布：多处 VAE 与显存内存优化
ComfyUI 发布 v0.18.0，合并了从 v0.17.0 以来的大量改动，包括 LTX 与 WAN VAE 降低 VRAM 与峰值 RAM 占用、支持 mxfp8、新增 --fp16-intermediates 与 --enable-dynamic-vram 启动选项。其他更新包括 FP4/8/16 原生 dtype 训练支持、AMD gfx1150（Strix Point）启用 Pytorch Attention、userdata 原子写入防崩溃丢数据，以及新增 Quiver SVG 节点并将 seedream-3-0-t2i 和 seedance-1-0-lite API 节点标记为弃用。
推荐理由：这份官方更新日志集中列出了内存与显存优化、量化训练支持等具体改动，想了解该版本实际改了什么的读者可对照查阅。