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。
Collinear AI 开放 CWE-bench v2 公开任务集：100 个任务覆盖 91 种 CWE，智能体需在真实开源仓库中找到并修复安全漏洞。11 个受测模型中 Gemini 4 Argon 以 67.8% pass@1 领先，Claude Opus 5.5 以 67.3% 紧随其后。任务集与评分器开源，也可用于训练防御型智能体。
OpenRouter 发文解释开放权重与闭源权重模型的区别，并给出平台用量数据：开放权重模型占 top 50 模型 token 用量的份额从 2025 年 10 月的 27% 升至 2026 年 9 月底的 72%。
推荐理由：原文以平台一手数据对比两类模型的用量份额与价格差距，并给出按价格上限混用两类模型的可迁移路由写法。
OpenRouter 发布提示注入防御教程，用自建的 13 种攻击加其他模型编写的 12 种攻击，实测 Claude Haiku 5.5、GPT-6 Luna、DeepSeek V4.1 Flash 和 GLM 5.3 Flash 在各层防御下的表现。
推荐理由：原文用四个模型的攻防实测说明标记数据、限制密钥和检查工具调用各能挡住什么，步骤和规则写法可直接迁移到自己的 Agent 应用。
vLLM 团队发布性能研究，在单台 NVIDIA GB300 NVL72 上用 P/D 分离和 Wide-EP 服务 DeepSeek-V4.1-Flash，跑 SemiAnalysis AgentX 达到每 GPU 954K tokens/s、P90 每用户 196 tokens/s，是此前单节点结果的 7.9 倍，成本 $38.96 每 GPU 小时。
DeepSeek 在 GitHub 开源 DeepGEMM-Ascend，定位为面向华为昇腾 NPU 的简洁高效矩阵乘法 kernel 库，仓库地址 https://github.com/deepseek-ai/DeepGEMM-Ascend。
推荐理由：DeepSeek 开源了面向华为昇腾 NPU 的矩阵乘法 kernel 库，做底层性能优化的读者可以直接查看源码。
vLLM 发布 v0.26.0，收录 212 位贡献者的 411 个 commits，含 61 位新贡献者。该版本为 Inkling 模型家族提供完整支持栈，包括 MTP=1 speculative decoding、LoRA 与 ModelOpt NVFP4 量化等。DeepSeek-V4 性能跨厂商优化，专用路由 kernel 实现 2.94% E2E TPOT 改善。