语言大模型 / LLM

U.S. Technological Containment and the Rise of China's Open AI Ecosystem

美国政策无意中加速了中国开放AI生态系统

Wang Jin, Nadav Kunievsky, Bowen Lou, Tianshu Sun, James Evans

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 研究发现，美国旨在遏制中国AI发展的出口管制等政策，反而促使中国转向开放AI生态系统，通过开源模型和社区建设加速创新，对全球AI领导地位产生意外影响。

An Empirical Study of Speculative Decoding on Software Engineering Tasks

对软件工程任务中投机解码的实证研究

Yijia Li, Junkai Chen, Xing Hu, Xin Xia

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 本文通过实证研究评估了投机解码在软件工程任务中的有效性，发现其在代码生成、修复和编辑任务中表现各异，模型基于方法适合生成，模型无关方法更适合仓库级任务，且任务重复性提升模型无关方法性能。

Comments Accepted by ISSTA 2026

Submodular Maximization under Supermodular Constraint: Greedy Guarantees

在超模约束下进行子模最大化：贪心保证

Ajitesh Srivastava, Shanghua Teng

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 在超模约束下，通过贪心算法和二分查找实现子模函数最大化，提供双标准近似方法，优于其他贪心启发法。

Comments 12 pages, 6 figures. Fixed typos. Accepted at the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26) Fixed typos

InterSAGE: The Secure and Verifiable Interoperability Protocol for An Internet of Agents

InterSAGE：面向智能体互联网的安全可互操作且可验证的协议

Zhenhua Zou, Sheng Guo, Qiuyang Zhan, Lepeng Zhao, Shuo Li, Zhuotao Liu

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 针对现有智能体互操作协议缺失安全底层的问题，提出InterSAGE四层协议套件，补充MCP等通信协议，经对比验证其为首个统一实现四大安全特性的架构。

Comments 35 pages, 4 figures, 7 tables. Positioning paper

Spec Sheets Are Not Kernels: An ISA- and Source-Level Audit of INT8 Availability on NVIDIA Blackwell Ultra

规格表并非内核：对NVIDIA Blackwell Ultra上INT8可用性的ISA与源代码级审计

Teng-Ruei Chen

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 本文审计发现，NVIDIA Blackwell Ultra（B300）的INT8支持在ISA、CUTLASS内核库、vLLM和SGLang四层栈中被分层撤回，名义存在的INT8格式实际无法部署，凸显量化格式可用性是全栈属性。

Comments 8 pages (IEEEtran two-column), 2 figures, 3 tables. All sources pinned to commits/digests with access dates; no performance measurements (companion measurement study in preparation). v2: bibliography only -- 15 refs recited to their peer-reviewed venues, author dashes suppressed, artifact URL added; no technical changes

ShortOPD: Recovering Pruned LLMs with Short-to-Long On-Policy Distillation

ShortOPD：通过短到长的策略蒸馏恢复剪枝后的语言模型

Qingyu Zhang, Qianhao Yuan, Hongyu Lin, Yaojie Lu, Xianpei Han, Le Sun, Ming Xu, Jiarui Li

机构 * ByteDance（字节跳动） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 效率与部署 ：SFT(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 研究结构化剪枝在语言模型自由形式生成任务中存在的问题，提出ShortOPD方法，通过短到长的策略蒸馏，检测重复后缀，合理分配展开预算，有效提升压缩模型分数，减少训练时间和展开令牌，推动结构化剪枝接近可部署的生成质量。

Do Transformers Need Three Projections? Systematic Study of QKV Variants

Transformer 需要三个投影吗？QKV 变体的系统研究

Ali Kayyam, Anusha Madan Gopal, M Anthony Lewis

机构 * Ali Kayyam ； Anusha Madan Gopal ； M Anthony Lewis 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文系统研究了注意力机制中查询、键、值投影共享的变体，发现 Q-K=V 共享在语言建模中仅以 3.1% 的困惑度损失实现 50% 的 KV 缓存减少，且与头共享结合可达到 96.9% 的缓存减少，从而支持设备端推理。

Comments Accepted at ICML 2026 (PMLR vol. 306). 26 pages, 12 figures, 16 tables. Code: https://github.com/Brainchip-Inc/Do-Transformers-Need-3-Projections

SpatialVAM:Spatial-Aware Multi-View Video Diffusion as a Data-Efficient Robot Policy

多视角视频扩散策略：一种3D空间-时间感知的视频动作模型

Peiyan Li, Yixiang Chen, Yuan Xu, Jiabing Yang, Xiangnan Wu, Jun Guo, Nan Sun, Long Qian, Xinghang Li, Xin Xiao, Jing Liu, Nianfeng Liu, Tao Kong, Yan Huang, Liang Wang, Tieniu Tan

机构 * New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； FiveAges（五时代） ； Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） ； Wuhan University（武汉大学） ； Nanjing University（南京大学） 纠错

专题命中 效率与部署 ：foundation model(abstract)；pretraining(abstract)

AI总结 本文提出MV-VDP，通过联合建模环境的3D空间-时间状态，解决机器人操控中对3D空间结构和时间演变理解不足的问题，实现高效、鲁棒且可解释的动作执行。

Comments Updated Version; Project Website: https://spatialvam.github.io/

StrataCL: Fabric-Native Communication Library for Production Supernodes

StrataCL：面向生产级超级节点的 fabric 原生通信库

Tiancheng Hu, Jin Qin, Yuzheng Wang, Ke Liu, TangShengsheng Li, Sheng Wang, Zhongzhe Hu, Tianlun Hu, Wei Wang, Lijun Li, Jingbin Zhou, Xiaoming Bao, Hongwei Sun, Jieru Zhao, Huimin Cui, Tao Xie, Chenxi Wang

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 针对分布式 AI 工作负载的通信瓶颈，提出零冗余的 fabric 原生通信库 StrataCL，通过分配时注册等技术优化，在华为 CloudMatrix384 上显著提升了带宽与多类工作负载的性能。

VisCanvas: A Node-Based Interface for Exploratory Visualization Authoring with LLMs

VisCanvas：用于基于大语言模型的探索性可视化创作的基于节点的界面

Yuki Ueno, Bretho Danzy, Zhuojun Jiang, Chris Bryan

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 研究针对大语言模型下可视化创作工具线性界面不适用于探索性分析工作流的问题，介绍基于节点的VisCanvas界面，通过用户研究表明其能在维持性能水平时促进多样数据交互，还提炼了未来AI辅助可视化创作环境的设计原则。

UI-MOPD: Multi-Platform On-Policy Distillation for Unified GUI Agents

UI-MOPD：用于持续GUI智能体学习的多平台策略蒸馏

Niu Lian, Tongbo Chen, Zhehao Yu, Chengzhen Duan, Fazhan Liu, Hui Liu, Pei Fu, Jian Luan, Heng Qu, Shu-Tao Xia, Jinpeng Wang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Xiaomi（小米） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Zhejiang University（浙江大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 针对构建多平台GUI智能体的挑战，构建高质量数据集Uni-GUI，提出UI-MOPD方法，通过多教师策略蒸馏实现持续学习，动态选教师并转移行为先验，实验证明其能平衡跨平台能力保留与新平台适应。

Comments Technical report. 27 pages, 7 figures, 7 tables

DeltaPrompts: Escaping the Zero-Delta Trap in Multimodal Distillation

DeltaPrompts: 逃离多模态蒸馏中的零delta陷阱

Jaehun Jung, Hyunwoo Kim, Brandon Cui, Ximing Lu, David Acuna, Prithviraj Ammanabrolu, Yejin Choi

机构 * NVIDIA Research（NVIDIA研究院） 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出DeltaPrompts，通过量化教师与学生之间的答案分歧（Δ）来生成高分歧的推理问题，从而解决传统蒸馏中因零delta提示导致的学习信号不足问题，实验表明DeltaPrompts在多个场景下显著提升了模型性能。

FAME: QoS-aware Async Service Orchestration for Agentic Workflows

为MCP启用的智能工作流优化FaaS平台

Haseeb Abdullah Kollorath, Vaibhav Jha, Varad Kulkarni, Vinay, Nikhil Reddy, Anand Eswaran, Praveen Jayachandran, Yogesh Simmhan

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 本文提出FAME架构，利用FaaS平台优化MCP启用的智能工作流，实现模块化组合和状态持久化，提升效率与成本效益。

Comments Extended version of paper to appear in the proceedings of the International Conference on Web Services (ICWS), 2026

SemiSAM-O1: Pushing the Boundary of Annotation-Efficient Medical Image Segmentation with Generalist Knowledge Fusion

SemiSAM-O1: 我们能将标注高效的医学图像分割边界推到多远？

Yichi Zhang, Le Xue, Bichun Xu, Judong Luo, Zhigang Wu, Yu Fu, Zixin Hu, Yuan Cheng, Yuan Qi

机构 * Artificial Intelligence Innovation and Incubation Institute, Fudan University, Shanghai, China.（复旦大学人工智能创新与孵化院，上海，中国） ； Shanghai Academy of Artificial Intelligence for Science, Shanghai, China.（上海人工智能科学研究院，上海，中国） ； Department of Radiotherapy, Tongji Hospital, School of Medicine, Tongji University, Shanghai, China.（同济大学附属同济医院放疗科，上海，中国） ； School of Information Science and Engineering, Lanzhou University, Lanzhou, China.（兰州大学信息科学与工程学院，兰州，中国） ； Department of Information and Intelligence Development, Zhongshan Hospital, Fudan University, Shanghai, China.（复旦大学中山医院信息与智能发展科，上海，中国） 纠错

专题命中 效率与部署 ：foundation model(abstract)；prompting(abstract)

AI总结 SemiSAM-O1通过仅使用一个标注模板图像，在极端一标签设置下实现高效分割，通过特征表示能力提升和迭代训练优化，显著缩小了半监督与全监督的性能差距并降低计算开销。

MiniWorld: Democratizing the Training of Video World Models from Scratch

MiniWorld：从零开始普及视频世界模型的训练

Yian Zhao, Ruochong Zheng, Hongcan Guo, Yu Yan, Jian Zhang, Jie Chen

机构 * Peking University（北京大学） 纠错

专题命中 效率与部署 ：pretraining(abstract)；post-training(abstract)

AI总结 MiniWorld是从零开始训练流式视频世界模型的可复现框架，采用特定模型与训练策略，可在单台8-GPU服务器数天内完成训练，旨在降低训练门槛以推动相关研究。

Comments 19 pages

Beyond Accuracy: Auditing Spatial Provenance in Visual Token Pruning for OCR-Critical MLLM Inference

超越准确率：针对OCR关键多模态大语言模型（MLLM）推理的视觉令牌剪枝空间溯源审计

Feixiang Liu, Qiang Qiu, Hao Zhang, Xinyue Wang

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 该研究针对OCR关键MLLM推理的视觉令牌剪枝，提出结合空间溯源的审计方法，发现准确率无法反映的质量风险，揭示模型特定前沿并验证压缩与任务通用性的关系，为视觉令牌剪枝评估提供新范式。

Comments 21 pages, including supplementary material. Code and reproducibility artifacts: https://github.com/SouthWinter/spatial-provenance-audit

Mechanism of Task-oriented Information Removal in In-context Learning

面向任务的信息移除机制在上下文学习中的机制

Hakaze Cho, Haolin Yang, Gouki Minegishi, Naoya Inoue

专题命中 效率与部署 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文研究了上下文学习中信息移除机制，发现通过低秩滤波器选择性移除冗余信息可提升任务性能，并识别出关键的去噪头。

Comments 87 pages, 90 figures, 7 tables, ICLR 2026 Camera-ready

Uncovering Business Logic Bugs via Semantics-Driven Unit Test Generation

通过语义驱动的单元测试生成揭示业务逻辑错误

Chen Yang, Junjie Chen

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 本文提出SeGa方法，通过语义知识库生成单元测试以发现业务逻辑错误，实验显示其在检测错误数量和精度提升方面优于现有技术。

Comments Accepted in the Research Track of ISSTA 2026

Test-time Scaling over Perception: Resolving the Grounding Paradox in Thinking with Images

图像推理中的测试时感知扩展：解决图像推理中的 grounding 困境

Zheng Jiang, Yiming Chen, Nan He, Jiahui Chen, Chaoyang Li, Houde Qian, Lifeng Sun

机构 * Tsinghua University（清华大学） ； Beijing University of Technology（北京工业大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 本文提出 TTSP 框架，通过测试时扩展感知解决图像推理中的 grounding 困境，通过生成多个感知轨迹并过滤不可靠轨迹来提升细粒度视觉推理能力。

Parameter-Efficient CLIP Adaptation for 3D Understanding via Unified Tokenization

用于3D理解的参数高效CLIP适配：通过统一分词实现

Guofeng Mei, Qinfeng Xiao, Bin Ren, Luigi Riz, Juan Liu, Xiaoshui Huang, Xu Zheng, Nicu Sebe, Ming-Hsuan Yang, Fabio Poiesi

机构 * Fondazione Bruno Kessler（布鲁诺·科塞拉基金会） ； University of Trento（特伦托大学） ； University of Pisa（比萨大学） ； Beijing Forestry University（北京林业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology (GZ)（香港科技大学） ； Shandong University（山东大学） ； University of California, Merced（加州大学默塞德分校） 纠错

专题命中 效率与部署 ：language model(abstract)；pretraining(abstract)

AI总结 本文提出参数高效框架UTok3D，通过学习尺度归一化3D分词器，实现冻结CLIP视觉主干在无标注情况下对不同尺度点云的复用，完成3D分割任务。

Comments 14 pages, tokenizer

Step-Attention Refinement of DINOv3 Features for Efficient Anterior Eye Segmentation

用于高效眼前节分割的DINOv3特征的步注意力细化

Philippe Baumstimler, Jean-Mathieu Gagnon, Sébastien Gagné, Mathieu Duchesneau, Clément Playout, Lama Séoud

机构 * Polytechnique Montréal（蒙特利尔理工学院） ； LightX Innovations（LightX创新公司） ； Institut de l’Oeil des Laurentides（劳伦琴眼科研究所） 纠错

专题命中 效率与部署 ：foundation model(abstract,abstract_cn)

AI总结 本研究针对临床眼前节分割问题，提出基于蒸馏DINOv3 ViT-Small主干的轻量架构，引入步注意力特征细化模块，在私有数据集上实现最优性能与域偏移鲁棒性，为相关任务建立强基线。

OPERA: Online Data Pruning for Efficient Retrieval Model Adaptation

OPERA：面向高效检索模型适应的在线数据剪枝

Haoyang Fang, Shuai Zhang, Yifei Ma, Hengyi Wang, Cuixiong Hu, Katrin Kirchhoff, Bernie Wang, George Karypis

机构 * Amazon Web Services（亚马逊云服务） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 OPERA通过在线数据剪枝提升检索模型适应效果，SP在标准微调基础上提升NDCG，DP在多个领域数据集上取得最佳排名和召回效果，且训练时间减少50%。

Comments Code is released at: https://github.com/autogluon/autogluon-rag/tree/main/projects/opera

The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence

MiniMax-M2系列：小激活释放最大现实智能

Aili Chen, Aonian Li, Baichuan Zhou, Bangwei Gong, Binyang Jiang, Boji Dan, Changhao Zhang, Changqing Yu, Chao Wang, Cheng Ma, Cheng Zhong, Cheng Zhu, Chengjun Xiao, Chengyi Yang, Chengyu Du, Chenyang Zhang, Chi Zhang, Chuangyi Huang, Chunhao Zhang, Chunhui Du, Chunyu Zhao, Congchao Guo, Da Chen, Deming Ding, Dianjun Sun, Dong Li, Dongyu Zhang, Enhui Yang, Fei Yu, Guang Zheng, Guodong Zheng, Guohong Li, Haichao Zhu, Haigang Zhou, Haimo Zhang, Han Ding, Hao Zhang, Haohai Sun, Haolin Lyu, Haonan Lu, Haoyu Wang, Huajie Shi, Huiyang Li, Jiacheng Chen, Jian Zhang, Jiaqi Zhuang, Jiaren Cai, Jiaxin Pan, Jiayao Li, Jiayuan Song, Jichuan Zhang, Jie Wang, Jihao Gu, Jin Zhu, Jingwei Dong, Jingyang Li, Jingyu Zhang, Jingze Zhuang, Jinhao Tian, Jinli Liu, Jinyi Hu, Jun Tao, Jun Zhang, Junbin Ruan, Junhao Xu, Junjie Yan, Junteng Liu, Junxian He, Kang Xu, Ke Ji, Ke Yang, Kecheng Xiao, Keyu Duan, Keyu Li, Le Han, Letian Ruan, Li Yuan, Lianfei Yu, Liheng Feng, Lijie Mo, Lin Li, Linge Du, Lingye Bao, Lingyu Yang, Lingyuan Zhou, Loki, Lu Chen, Lunbin Zeng, Ming Li, Ming Zhong, Mingliang Tao, Mingyuan Chi, Mujie Lin, Nan Hu, Ningxin Chen, Peiyin Zhu, Peng Gao, Pengcheng Gao, Pengfei Li, Penglin Li, Pengyu Zhao, Qibin Ren, Qibing Ren, Qidi Xu, Qihan Ren, Qile Li, Qin Wang, Quanliang Chen, Qunhong Zeng, Rong Tian, Rongxin Guo, Rui Dong, Ruitao Leng, Ruize Zhang, Shanqi Liu, Shaoxiang Chen, Shaoyu Chen, Sheng Jia, Shun Yao, Shuoran Zhao, Shuqi Yu, Sichen Li, Sicheng Pan, Songquan Zhu, Tengfei Li, Tian Xie, Tiancheng Qin, Tianle Li, Tianrun Liang, Wei Liu, Weiqi Xu, Weitao Li, Weixiang Chen, Weiyu Cheng, Weiyu Zhang, Wenhu Chen, Wenqian Zhao, Xiancai Chen, Xiangjun Song, Xiangyuan Wang, Xianzhen Luo, Xiao Luo, Xiao Su, Xiaobo Li, Xiaodong Han, Xiaojie Wu, Xihao Song, Xingyi Han, Xinyu Guan, Xuan Lu, Xun Zou, Xunhao Lai, Xutong Li, Xuyang Shen, Yan Gong, Yan Ma, Yang Jiao, Yang Wang, Yang Xu, Yangsen Wang, Ye Tang, Yicheng Chen, Yihang Wang, Yinran Qiu, Yiqi Shi, Yiting Guo, Yiwen Huang, Yixuan Wang, Yongyi Hu, Yu Gao, Yu Zhang, Yuan Li, Yuanxiang Ying, Yuanzhen Zhang, Yubo Wang, Yuchen Song, Yufeng Yang, Yuhang Meng, Yuhang Miao, Yuhao Li, Yujie Liu, Yulin Hu, Yunan Huang, Yunji Li, Yunyi Huang, Yusen Zhang, Yusu Hong, Yutao Xie, Yutong Zhang, Yuwen Liao, Yuxuan Shi, Yuze Wenren, Zebin Li, Zehan Li, Zejian Luo, Zeyu Jin, Zeyuan Sun, Zhanpeng Zhou, Zhaochen Su, Zhendong Li, Zhengmao Zhu, Zhengyuan Peng, Zhenhua Fan, Zhi Zhang, Zhichao Xu, Zhiheng Lv, Zhikang Xu, Zhitao He, Zhiwei He, Zhongyuan Li, Zibo Gao, Zijia Wu, Zijian Song, Zijian Zhou, Zijun Sun, Zishan Huang, Ziying Chen, Ziyue Ge

机构 * MiniMax 纠错

专题命中 效率与部署 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 提出MiniMax-M2系列混合专家语言模型，通过小激活参数实现前沿性能，核心包括智能体驱动数据管道、可扩展强化学习系统Forge及自进化检查点M2.7。

Comments Technical Report. 35 pages, 10 figures, 4 tables

When Does Visual Token Pruning Improve Calibration? The Role of Evidence Coverage in MLLMs

视觉标记修剪能否提高校准？关于多模态大语言模型中置信度的实证研究

Kaizhen Tan, Yang Feng, Heqing Du, Hanzhe Hong, Siru Tao, Xin Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 本文研究视觉标记修剪对模型校准的影响，通过POPE和ScienceQA-IMG数据集评估不同修剪策略下的ECE、Brier分数和AURC，发现修剪能提升校准而非仅牺牲效率，且基于显著性的修剪方法效果较差。

Multi-Turn On-Policy Distillation with Prefix Replay

基于前缀重放的多轮在线策略蒸馏

Baohao Liao, Hanze Dong, Christof Monz, Xinxing Xu, Li Dong, Furu Wei

机构 * Microsoft Research（微软研究院） ； University of Amsterdam（阿姆斯特丹大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 研究用于智能体任务的在线策略蒸馏，提出重放前缀在线策略蒸馏方法，复用预收集教师轨迹作重放前缀，解决多轮在线策略蒸馏的前缀陷阱问题，提高效率且保持或提升精度。

Analyzing Process Data from Computer-Based Assessments: A Tutorial on Preprocessing, Feature Extraction, and Model-Based Inference

对基于计算机的评估过程数据进行分析：预处理、特征提取和基于模型推断的教程

Daeun Hwangbo, Junyeong Park, Minjeong Jeon, Ick Hoon Jin

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 本文提供了一种统一的分析框架，用于分析大规模评估的过程数据，涵盖从原始日志预处理到基于模型推断的完整流程，并通过PIAAC PS-TRE领域示例展示了预处理、特征提取和模型方法。

PatchGuru: Patch Oracle Inference from Natural Language Artifacts

PatchGuru: 通过大语言模型从自然语言制品推断补丁Oracle

Thanh Le-Cong, Bach Le, Toby Murray, Michael Pradel, Cristian Cadar

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 PatchGuru通过大语言模型从自然语言制品推断补丁规范，提高补丁验证的准确性与效率。

Keeping the Cache Warm Pays: Keepalive Economics for Agentic Workloads

保持缓存热度是值得的：智能工作负载的保活经济学

Maxim Khailo

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 研究智能工作负载中缓存前缀易被逐出致成本增加的问题，提出客户端保活方法，通过定时器重放前缀保持缓存热度，降低请求成本，还探讨了ping频率及保活策略的经济性，推导了运营商策略。

Comments 5 pages, 1 figure, 3 tables. Measurement data and harness: https://github.com/mempko/pi (scripts/cache-research)

Variable-length Gray codes for the Natural Numbers

自然数的可变长度格雷码

Ezequiel López-Rubio

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 研究提出一种自然数的可变长度格雷码\(\V\)，通过特定构造方式获得。证明了其具有双射、编辑距离为\(1\)、码字长度单调非递减等性质，实现了\(\Bits\)的哈密顿枚举，还讨论了其压缩行为及在特定编码家族中的应用。

Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment

PhysClaw-0：一种通过语言修正实现机器人自主的共生智能体系统

Boyuan Wang, Zhenyuan Zhang, Zhiqin Yang, Peijun Gu, Shuya Wang, Xiaofeng Wang, Xianghui Ze, Yifan Chang, Guosheng Zhao, Jiangnan Shao, Guan Huang, Hengyu Liu, Yonggang Zhang, Wei Xue, Chunyuan Guan, Chenglin Pu, Yike Guo, Xingang Wang, Zheng Zhu

机构 * GigaAI（字节跳动人工智能实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Leeds（利兹大学） ； Cornell University（康奈尔大学） ； Tsinghua University（清华大学） ； Nanjing University of Science and Technology（南京理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； FAWTD（一汽技术开发部） 纠错

专题命中 效率与部署 ：LLM(abstract,abstract_cn)

AI总结 研究针对自主数据收集问题，提出PhysClaw-0共生智能体系统，通过跨轮保留和重用修正、自主收集验证等方式，在真实机器人测试中减少人力时间，提高成功率，并提升验证者与人类一致性。

Comments WebPage: https://open-gigaai.github.io/Zero2Skill