NVIDIA Research 与 Inferact 发布 REINFORCE Zero 论文，通过对齐 rollout 与训练内核、再用不截断的 token 级重要性采样，实现稳定的异步强化学习。
推荐理由：论文把 rollout 与训练的差距拆成权重滞后和内核失配两部分，说明对齐内核后不加截断的重要性采样就能稳定异步训练，滞后 64 仍可学习。
OpenAI 训练并部署激活分类器（探针）作为大模型的额外安全层，从 GPT-5.6 起在最强模型的全部助手输出上运行。探针利用模型内部激活逐 token 打分，可中途拦截违规回复、阻断工具调用并升级给推理模型复核；实验显示其对测试过的越狱比文本分类器更鲁棒，精度随模型能力提升，在后训练检查点间迁移良好，但换新预训练基座需要重训，且只能检测有标注数据训练过的已知违规类型。
推荐理由：原文比较激活探针与文本分类器在越狱鲁棒性和运行效率上的差异，并给出跨模型迁移与重训的边界。
Amazon Science 与 Booking.com 合作，用知识蒸馏和 Medusa 框架加速旅行应用中的大语言模型。实验以 1.1B 参数的 TinyLlama 为学生、70B 参数的 Llama-3.1 为教师，最终模型匹配教师质量，推理提速 10-20 倍，成本不到三分之一。方案面向 AI Trip Planner、Smart Filters 和住宿描述生成三项功能。
Epoch AI 依据 2025 至 2027 年 HBM 出货量估算，未来两年的算力用当前最强模型可支撑数千万至数亿个持续运行的 AI 智能体，用更高效模型则可达数十亿个。
安全研究员 Johann Rehberger 发布研究，演示仅凭 LiteLLM 代理管理凭证即可调用 /model/update 把 api_base 指向攻击者网关并开启 use_litellm_proxy，将全部 LLM 流量重路由后捕获网关解析出的后端厂商密钥。
UC Berkeley 与 IBM Research 在演化式 kernel 搜索框架 K-Search 上新增 MLX 后端和 CUDA-to-MLX 结构化翻译层，把现有 CUDA kernel 的优化知识转化为 Apple Silicon 上的高质量 kernel。
Berkeley AI Research 发布长文综述并行推理领域进展，重点分析自适应并行推理（Adaptive Parallel Reasoning），让模型自主决定何时分解并行子任务、启动多少并发线程及如何协调。