鲁棒性作为任务性能的涌现属性
任务表现与鲁棒性强正相关，掌握任务后鲁棒性自然涌现，主因任务能力而非模型固有属性。
用于AI生成图像检测的CLIP嵌入：基于轻量级分类器的小样本研究
冻结CLIP特征加轻量分类器可检测AI生成图像，准确率95%，小样本达85%，特定风格仍难分类。
面向数字孪生的主动脉流固耦合代理模型：跨解剖迁移与稀疏插值的对比
四例主动脉流固耦合代理研究显示：跨解剖零样本迁移效果差，稀疏场插值更强，跨解剖先验未见增益。
迈向基于代理模型的量子强化学习去量子化
研究基于核化拟合Q迭代的量子Q学习去量子化，在均匀生成模型下给出有限样本保证与充分条件。
MiCRo：面向个性化偏好学习的混合建模与上下文感知路由
MiCRo用两阶段框架，以上下文感知混合建模与在线路由，无需细粒度标注，捕捉多样偏好并提升个性化。
使用 vLLM 和 LMCache 验证 GLM-5.3-Flash 的混合状态缓存恢复
修复GLM-5.3-Flash混合缓存恢复错位；严格前缀对齐后36/36生成一致，CPU重载首token时延降46–64%。
重新思考程序化音频预训练：数据源缩放与目标适配
程序化音频预训练需源感知：公式类覆盖与渲染多样性收益各异，且偏好10%–25%低掩码率，异于自然音频。
FairLint-DL：面向深度学习软件公平性调试的IDE原生工具
FairLint-DL是一款VSCode扩展，可在训练前于IDE内直接检测表格数据偏见，并定位至具体网络层与神经元。
挑选你的毒药：学习选择毒集以增强LLM后门攻击
选毒集对LLM后门攻击影响巨大；SAILS用少量微调评估学习集合评分，筛选强毒集，成功率平均提升30个百分点。
生成以探索，选择以利用：将基于大语言模型的标题生成与个性化推荐对齐
提出GESE框架，解耦LLM标题生成探索与实时选择利用，线上CTR提升2.57%，停留时长提升0.87%。
光伏预测中的集成复杂性
消融与匹配对比表明：光伏集成静态融合仅部分数据集降误差，天气门控无稳定增益，成员冗余，宜组件级评估。
稀疏注意力中的路由吸收：为何随机门控难以被超越
稀疏注意力中，模型与掩码共适应导致路由吸收，使学习门控难显著优于随机门控。
重复和谐博弈中贝尔曼最优方程的对称解
重复和谐博弈贝尔曼最优方程的对称解有三类：全合作、赢留输变及一非平凡策略，并用强化学习检验所学策略。
IndicQE-APE：面向印度语系语言的质量评估与自动译后编辑统一基准
整合印度语质量评估与译后编辑数据，发布含12.6万实例、九语向、四类标签的统一基准，并评测六种大模型与三种指标。
超越数值时间序列：面向异构上下文的多模态预测统一基准
提出MUSE-Bench统一基准，覆盖8个领域14个数据集与6类上下文，系统评测多模态时间序列预测，揭示数值基础模型领先、外部上下文有益等发现。
个性化个人健康界面：与生成式AI的协同设计
研究用生成式AI协同设计健康界面：AI助想法具象化，但设计趋同于聊天范式，隐私与情感安全关注不足。
思考更深，而非更长：面向组合泛化的内存高效深度循环 Transformer 测试时推理
深度循环 Transformer 以共享权重迭代实现常数内存、线性延迟的测试时推理，步数匹配任务复杂度可提升组合泛化并外推。
并非所有提示都同等：面向多模态强化后训练的探索引导提示脚手架
提出探索引导提示脚手架，动态调整提示分布，借探索潜力分与教师改写显著提升多模态强化后训练效果。
SpliTEE：通过差分隐私GPU外包提升可信硬件上的LLM推理
在TEE与不可信GPU间拆分LLM推理，用差分隐私保护中间表示，在Intel TDX上提速并防提示重建
分支最优传输摊销
受分支最优传输规模经济启发，提出可扩展分支流匹配算法，学习高维分支生成流，并在生物与图像生成中验证。
打破三值大语言模型的 1.58 比特壁垒
三值LLM权重零占比最高51.5%，提出BITCOS位图+符号向量压缩，最稀疏仅1.485比特/权重，推理吞吐最高提升1.27倍。
@elonmusk：确实
马斯克发推称“确实”，表达认同。
React Native 开发者 Krzysztof Magiera 在 X 上演示：主线程阻塞时 SwiftUI 动画卡住、UIKit 依旧流畅，据此认为 SwiftUI 算不上“真正原生”
主线程阻塞时 SwiftUI 动画卡顿、UIKit 流畅，因其未用底层动画引擎，故非真正原生。
@dotey：Thariq 称“对大多数集成而言，MCP 比 CLI 更好”，这显然有点夹带私货；MCP 虽有改进，但不代表多数情况下优于 CLI
Thariq称MCP多数集成优于CLI，@dotey批其夹带私货；无状态只是不再差，未必更优。
AI模型快速分类演示：依据决策规则，比LLM更快更便宜
这是一个AI模型演示，能按决策规则快速分类信息，比大语言模型更快更便宜，但并非LLM，不能输出文本或代码。
Threads 在亚太地区为青少年推出家长监督功能
Threads 面向亚太地区青少年上线家长监督功能，为其增添保护措施。
@NVIDIAAI：一个300亿参数的模型，如何在每个token仅激活30亿参数的情况下，仍能调用整个模型的容量？
解读稠密与MoE模型的参数使用差异，及其对吞吐、显存和服务复杂度的影响。
@alexandr_wang：muse spark 1.3 是前沿模型中最不作弊、最不搞奖励黑客的
muse spark 1.3 在前沿模型中最不作弊、最不搞奖励黑客。
@haozhangml：很高兴看到 P/D 分离（预填充/解码分离）开始支撑 AI for Science 中越来越复杂的工作负载。期待这一领域以及 @periodiclabs 的未来走向！！
P/D 分离正支撑 AI for Science 复杂负载，期待@periodiclabs的发展。
英伟达黄仁勋：无需AI监管，安全交给我们
黄仁勋称AI并非"外星心智"，只是软硬件，安全可由各AI产品厂商自行工程化解决。
@alexandr_wang：我们坚信必须投资于对齐。
我们坚信必须投资对齐；用户和企业只会选择与自身意图和价值观一致的智能体，否则将转向更对齐的方案。
@Suhail：如果你每天通过 OpenAI 或 Anthropic 的批量 API 请求处理超过 10 亿 token，很想和你聊聊，了解实现批处理的利弊。
征集日均经OpenAI/Anthropic批量API处理超10亿token者，交流批处理利弊，欢迎私信。
@emollick：我通常不散布谣言，但：
内部消息可信；政策问题：若共享规范受压，实验室会否为避公关争议而囤积知识？
Gemini Live 音频
谷歌发布 Gemini 3.8 Live 语音模型，作者据此搭建浏览器语音对话界面，支持实时打断，无需任何库。
@elonmusk：我们将着手处理此事
马斯克表示将着手处理此事。
@alexandr_wang：大多数使用 Muse 的人永远不会知道或体会到的是，这个项目在多大程度上是 @natfriedman 的心血结晶。
Muse用户多不知，此项目实为Nat Friedman心血；他组建团队，许多动人细节皆出自他。
@dotey：Anthropic 工程师开讲 FDE 入门课
Anthropic 工程师 Kevin Bai 分享 FDE 101，讲清前线部署工程师角色。
OpenAI“开源代码计划”第二轮启动，开源维护者资助名额从5000增至10000
OpenAI“Codex for Open Source”第二轮启动，开源维护者资助名额从5000翻倍至1万，旨在用AI减轻PR审查等重复劳动。
AI数据中心热潮，正撞上被大工业留下伤疤的城市
反对数据中心建设的全国声浪蔓延至费城，官员提议在曾受已关闭炼油厂影响的社区建设。
@elonmusk：太阳能发电的指数级增长将持续，直到其他所有能源来源的占比都远低于0.1%
太阳能发电将指数级增长，直至其他能源占比远低于0.1%。
@AravSrinivas：我们打造了 AWS DynamoDB 的替代品——一个用于快速抓取网页内容的键值数据库。两位工程师和数百个常驻计算机代理历时两个月完成。迁移至自研数据库后，每年最多可节省一亿美元。
两名工程师与数百常驻计算机代理，两个月自研键值库替代DynamoDB，年省可达1亿美元。
@perplexity_ai：我们发布研究，详解如何构建 CobbleDB——为 Perplexity 搜索提供网页内容的键值数据库。
两名工程师与数百常驻AI智能体，两月建成键值数据库CobbleDB，支撑Perplexity搜索网页内容
Meta 现让 AI 智能体处理 WhatsApp Business 配置中的繁琐环节
新的 WhatsApp Business MCP 服务器让开发者用 Claude、Cursor、Codex、ChatGPT 等 AI 编程代理完成配置、消息模板、测试和故障排查。
游戏中学到的技能能迁移到现实工作中吗？
Good Start Labs用铁路游戏训练AI，某版本在金融研究上表现提升，关键在于训练设计。
@elonmusk：试试 @Grok @Bot
马斯克推荐试用 @Grok @Bot。
@elonmusk：暴雪在其产品发布日无法解决登录问题，让我想起福斯特的经典短篇小说《机器停转》
马斯克称，暴雪在产品发布日无法解决登录问题，令他想起福斯特经典小说《机器停转》。
AI坟场：一份未能成功的项目与初创公司持续更新清单
从苹果Siri AI反复延期到OpenAI“超级应用”发布翻车，盘点关停或未达预期的AI项目。
@natolambert：扩展强化学习的一个基本思路：能否把更多算力分配给更难的问题？
RL扩展思路：GRPO组内全错时以0.9概率重采样找非零梯度批次（Never Give Up），有效。
@elonmusk：星链V3星座本月开始部署
星链V3星座本月起部署，最终带宽将超当前1.1万颗卫星星座百倍。
@elonmusk：太阳能显然就是未来
马斯克直言，太阳能显然是未来。