VocabX 方法预览：按成本特化小模型词表，将实际推理成本降低 77%
Dharma-AI 预告 VocabX 论文的部分结果：基于 Qwen3-4B 的葡萄牙语作文自动批改系统中，按每个 token 的成本而非频率重建词表，在子词层与宏 token 层同时优化，不改基座模型和训练配方。
#部署/工程
Hugging Face BlogAI 评分5656
Microsoft ResearchAI 评分4343 Microsoft Research 用机器学习管道预测美国 66,935 座变电站的空间天气风险
Microsoft Research 研究人员开发了一套机器学习系统，为美国本土 66,935 座变电站生成位置级空间天气风险预估，可提前 30 至 60 分钟预警。
Berkeley AI ResearchAI 评分5858 Berkeley 团队用 K-Search 将 CUDA 内核优化经验迁移至 Apple Silicon，MLX Attention 达原生 0.97x、Mamba prefill 提速约 20x
IBM Research 与 UC Berkeley Sky Lab 团队在 K-Search 进化式内核搜索框架上新增 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，把现有 CUDA 内核知识作为知识库自动迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式——BAIR 综述解析
Berkeley AI Research 发文综述并行推理研究进展，聚焦自适应并行推理（Adaptive Parallel Reasoning），即让模型自行决定何时分解任务、生成多少并发线程及如何协调。
Berkeley AI ResearchAI 评分4949 BAIR 提出 GRASP：面向世界模型的长时程梯度规划
Berkeley AI Research 与 Yann LeCun 等合作提出 GRASP，一种针对学习型世界模型的梯度规划器，让长时程规划更实用。方法通过将轨迹提升到虚拟状态实现时间维度并行优化、在状态迭代中注入随机性以探索、重塑梯度以避免高维视觉模型中脆弱的状态-输入梯度，解决长时程 rollout 中 Jacobian 条件数随时间指数级恶化及非贪婪损失景观导致的局部极小问题。
Berkeley AI ResearchAI 评分4646 Berkeley AI Research 讲解 SPEX 与 ProxySPEX 如何在大规模下识别 LLM 的交互作用
Berkeley AI Research 介绍了 SPEX 和 ProxySPEX 两种算法，通过消融实验在大规模下识别 LLM 中特征、训练数据和模型组件的关键交互，用于可解释性研究。SPEX 利用稀疏性和低阶性把交互发现问题转化为稀疏恢复问题，可扩展到数千个特征；ProxySPEX 进一步利用层级结构，以约 10x 更少的消融达到与 SPEX 相当的性能。
Berkeley AI ResearchAI 评分4848 BAIR 提出基于信息量的成像系统设计与评估框架
Berkeley AI Research 在 NeurIPS 2025 论文中提出一个直接基于信息内容评估和优化成像系统的框架，用互信息估计量化测量区分物体的能力。该方法只需噪声测量数据和噪声模型，在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证可预测解码器性能，优化效果媲美 SOTA 端到端方法，且所需内存和计算更少、无需任务特定解码器设计。