帕累托自适应压缩（PACE，Pareto-Adaptive Compression for Efficient Native MLLMs）：面向原生多模态大模型的帕累托自适应压缩框架
研究者提出 帕累托自适应压缩（PACE，Pareto-Adaptive Compression for Efficient Native MLLMs）。
#部署/工程
arXiv · cs.AI模型评分4141 arXiv · cs.AI模型评分3232 MuSID-KD：面向语义 ID 生成式推荐的多粒度知识蒸馏
MuSID-KD 通过分层候选分布对齐（HCDA，Hierarchical Candidate Distribution Alignment）和排序影响引导的分层蒸馏（RIGD，Ranking Impact Guided Levelwise Distillation），改进语义 ID（SID）生成式推荐中多 token 解码的知识蒸馏效果。
arXiv · cs.AI模型评分4242 SIRF：面向工业内容风控的规范内化风险基础模型
SIRF 将平台复杂策略内化进模型权重，在仅输出判定结果的低延迟部署下实现高精度风控。同源对比中，SIRF-8B-受监督微调（SFT，Supervised Fine-Tuning） 的 Black Recall@P95 达 71.3%，比基线高 15.1 个百分点，仅用约 70M CPT token 且不损害通用能力。
arXiv · cs.AI模型评分4040 Latent-Lens：让小语言模型通过隐状态通信获得视觉感知
Latent-Lens 用约 160 万参数（占两模型总规模 0.2%）的轻量编解码器，在冻结的视觉语言模型（VLM，Vision-Language Model）与冻结的小语言模型（SLM，Small Language Model）之间直接传递隐状态，替代有损的文本通信。
arXiv · cs.AI模型评分3636 ORION：面向 RL 多域 6G 切片放置的结果驱动 大语言模型（LLM，Large Language Model） 顾问
研究提出 ORION，一个分层编排器，用两个大语言模型（LLM，Large Language Model）智能体把服务意图转成结构化请求并生成抽象放置方案，再由协作式多智能体强化学习协调器选择跨域划分。其核心是结果驱动的情景记忆，把每次尝试的网络状况、方案与可行性结果回传给规划器，在固定下游机制的控制实验中使接纳率提升 4.6–11.5 个百分点。
arXiv · cs.AI模型评分4242 无需训练的 Agentic Soft-Token Compression：为长程 大语言模型（LLM，Large Language Model） 智能体压缩上下文
研究者提出无需训练的 Agentic Soft-Token Compression（ASTC），利用模型原生的混合 Gated Delta Network（GDN）-attention 循环动态判断已吸收的信息，将其作为智能体软 token 前传，同时以硬 token 保留精确值。
arXiv · cs.AI模型评分4343 微调混合专家大模型中的可恢复专家利用特征研究
研究发现，微调后的混合专家（混合专家（MoE，Mixture of Experts），Mixture-of-Experts）大语言模型会记住训练数据及其内部处理路径，形成独特的路由指纹，且仅凭路由和输出 logits 即可在无训练数据情况下恢复这些专家路径。
arXiv · cs.AI模型评分3737 CLIC：为 Open RAN 中 大语言模型（LLM，Large Language Model） 驱动的控制加装闭环意图一致性防护
研究者提出闭环意图一致性层（CLIC，Closed-Loop Intent Consistency），用于同时防御 Open RAN 中 大语言模型（LLM，Large Language Model） 控制回路的运行时提示注入和残留虚拟提示注入（VPI）攻击。
arXiv · cs.AI模型评分3939 ACCT：跨 大语言模型（LLM，Large Language Model） 非对称上下文迁移，KV 缓存缩减 75% 仍保持性能
研究者提出 ACCT（Asymmetric Cross-大语言模型（LLM，Large Language Model） Context Transfer，非对称跨大语言模型上下文迁移），把源模型的键值缓存（KV cache，Key-Value Cache）转换为目标模型可直接使用的稀疏 KV 状态，实现同系列不同规模模型间的上下文计算复用。
arXiv · cs.AI模型评分3535 ETAPS：面向大语言模型极端稀疏度的高效渐进剪枝方法
研究者提出 ETAPS，通过分阶段收紧全局稀疏约束、并以固定小预算训练稀疏增量，在 125M 到 13B 参数的六个模型上，50% 至 90% 稀疏度下困惑度均低于 ELSA，最高降低 42%。在 90% 稀疏度下剪枝 LLaMA2-7B 仅需单张 H200，而 ELSA 需四张，持久状态小 5.0 倍、图形处理器（GPU，Graphics Processing Unit） 小时少 49%。
arXiv · cs.AI模型评分2929 去中心化联邦学习中的连接感知客户端选择方法
一项研究提出用图谱工具做轻量客户端选择，让去中心化联邦学习（DFL，Decentralized Federated Learning）中的每个客户端只向结构上最相关的邻居发送模型更新，而非全邻域广播。在数据异构性强、结构丰富的大图上，该方法准确率最高提升约 3 个百分点，同时传输消息总数比朴素广播减少 50%。
arXiv · cs.AI模型评分4040 面向大语言模型的规范引导生成框架
研究者提出一种神经符号的规范引导解码框架，把大语言模型（LLM，Large Language Model）生成与符号推理结合，在每一步过滤掉无法满足形式化规范的取值。该框架与模型无关、无需重新训练，前向变体在配置与约束求解基准上稳定输出符合规范的答案，并比拒绝采样减少重复推理；回溯变体进一步减少模型被迫选择自判不合适取值的情况。
arXiv · cs.AI模型评分3737 基于 HiFloat4 格式的大模型量化校准方法研究
研究提出 HiGPTQ、HiAutoRound 和 HiFlatQuant 三种校准方法，用于 HiFloat4（HiF4）这一采用三级缩放层级的分块浮点（BFP，Block Floating-Point）4-bit 量化格式。实验显示三种方法均比直接转换为 HiF4 提升推理精度，将 HiF4 与 BF16 的差距缩小至 1% 以内，并在多种模型和下游任务上优于 NVFP4 格式。
arXiv · cs.AI模型评分4646 去中心化 大语言模型（LLM，Large Language Model） 团队如何用于周界防御：共识机制与集中指挥的对比
一项 arXiv 研究在简化的周界防御模拟中对比了集中指挥官、基于拍卖的共识团队和独立智能体三种大语言模型（LLM，Large Language Model）团队架构，共识团队的入侵率最低，为 15%，集中指挥官为 32%，独立智能体为 29%。
arXiv · cs.AI模型评分5050 AWM：无需复制环境的智能体测试时扩展世界模型
论文提出智能体世界建模（AWM，Agentic World Modeling），把下一步观测预测改写为多轮证据获取任务：智能体模拟器通过安全的只读接口查询真实环境，再基于返回证据推理并构造观测结果，从而不修改共享状态。
Microsoft Research精选模型评分6565 微软研究院发布 Magnetar：基于标准哈希函数的零知识虚拟机
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序，在 15 个基准程序上平均比现有最快的同类零知识虚拟机快 10 到 39 倍。
推荐理由：微软研究院把零知识证明的速度、通用性和后量子安全放在同一套系统里，读者可据此判断可验证计算离日常工程还有多远。
Google DeepMind精选模型评分7777 Google DeepMind 发布 Gemini 4 Argon 机器人物理推理模型
Google DeepMind 发布 Gemini 4 Argon，一款面向机器人的通用物理推理模型，在测试 3D 环境物理与空间问题理解的 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方给出 ERQA 87% 与真机成功率 56% 到 75% 的对照，可判断物理推理模型在机器人全流程中的位置。
Google DeepMind精选模型评分8383 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和科研人员开放，应用程序编程接口（API，Application Programming Interface） 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方披露了 Argon 在代码重构、科研与安全测试中的具体数字，可据此判断前沿模型在长周期任务上的实际边界。
Berkeley AI Research模型评分4545 自适应并行推理：高效推理扩展的下一个范式
伯克利 人工智能（AI，Artificial Intelligence） 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解任务、开多少并行线程以及如何协调。现有方法多由外部固定并行结构，而不同问题需要不同并行程度，自适应控制被视为高效推理扩展的下一步。
Berkeley AI Research模型评分4949 GRASP：面向世界模型长时程规划的梯度规划器
加州大学伯克利分校 人工智能（AI，Artificial Intelligence） 研究团队提出 GRASP，一种面向学习型世界模型（预测未来状态的模型）的梯度规划器，通过把轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中加入随机性做探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸或消失、非贪心路径陷入局部最优等问题，使基于梯度的规划更稳健。