美团智播数字人直播技术突破：从高保真形象到万路并发
美团技术团队在2026年中国互联网大会上展示了美团智播数字人直播解决方案，该方案融合大模型、数字人与多模态交互技术，实现高保真形象生成、自然动作驱动、语音手势协调及高效推理部署，使数字人直播月日均GTV同比增长82.12%，开播场次提升11倍。团队自研的SDIP、SREdit、MoTiGA、StreamingTalk及Glance2Gaze等技术分别被ACM
部署工程
技术方向 · 把模型跑起来的工程实践：推理优化、量化与成本、Serving 架构与可观测性 · 共 3324 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
9月3日周四 · 20 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
Muse Spark 1.3 对标前沿模型，斯坦福推智能体工程课程
Meta 发布 Muse Spark 1.3，据称性能接近 OpenAI 和 Anthropic 的前沿模型，并承诺开放权重，训练成本可降低 90% 以上。斯坦福大学推出两门 AI 智能体工程课程，强调从提示工程转向系统化智能体构建。业界讨论 Astra 循环变压器架构的实质，以及智能体评估和技能检索的新方法。
正文结构化主题已通过公开置信门槛
Skim and Skip：高效多模态检索的分层自适应推理框架
清华大学、微软和上海交通大学的研究者提出了 Skim and Skip (SAS) 框架，用于提升多模态检索的效率。该框架通过基于 [EOS] 的 token 级信息选择和自适应深度推理，在 12 个 MMEB 检索任务上保留了约 99% 的密集基线性能，同时实现了最高 1.64 倍的端到端加速和 66.3% 的 FLOPs 减少。
正文结构化主题已通过公开置信门槛
FORGE：微控制器整数视觉模型的前向测试时自适应
FORGE 提出了一种面向微控制器上整数部署视觉模型的前向测试时自适应方法。该方法通过重新归一化折叠卷积的逐通道输出，恢复了因批归一化折叠而丢失的统计信息，从而在无反向传播的推理运行时实现自适应。实验表明，FORGE 在 CIFAR-10/100 和 Tiny-ImageNet 上恢复了 TENT 的大部分精度提升，并在 ESP32-S3 上实测自适应能耗仅
正文结构化主题已通过公开置信门槛
基于语言与代码的概率推理实现归纳与探究
该研究提出一种计算模型，将符号知识编码为结合自然语言与源代码的“心智程序”，并利用LLM引导的贝叶斯学习算法进行序列推断，以模拟人类的归纳学习与主动探究。实验表明，该模型能复现人类行为中的锚定、花园路径等效应，而纯LLM或经典贝叶斯模型则无法同时满足数据效率、不确定性表达和灵活性。研究推测，人类通过混合语言与程序表征的假设空间进行近似贝叶斯更新，LLM作为自
正文结构化主题已通过公开置信门槛
面向LLM工具使用的Agent原生可复用工具原语框架HEART
arXiv 论文提出 Tool Primitives，用自然语言接口替代 API schema 调用，并构建含 25,519 个函数的 ToolFace 仓库，支持推理时动态检索。在此基础上提出 HEART 框架，包含 Planner、Router、Verifier 组件，在五个基准上平均超越 SFT 模型及 GPT-5.4、Claude-4.6-Sonne
正文结构化主题已通过公开置信门槛
DeepSeek-V4-Flash DSpark 草稿模型 GGUF 发布
bleysg 发布了 DeepSeek-V4-Flash 的 DSpark 草稿模型 GGUF 版本，专为 ds4 C+CUDA 推理引擎设计，支持无损投机解码，在 DGX Spark 上平均加速 1.38 倍，峰值 1.71 倍。该文件包含 3 层 transformer、目标融合投影、Markov 头等，采用 Q2 K 路由专家等量化策略，约 6.5 G
正文结构化主题已通过公开置信门槛
DeepSeek-V4-Flash 定制 GGUF 发布，面向 AMD Strix Halo 优化
Hugging Face 上发布了 DeepSeek-V4-Flash-0731 的定制 GGUF 量化版本，专为 AMD Strix Halo 平台的 Ember 运行时设计，采用 ROCmFPx 自定义张量类型，不兼容主流 llama.cpp 等运行时。该版本经过 abliteration 和重要性矩阵校准，并附带 DSpark 草稿模型，在 AMD R
正文结构化主题已通过公开置信门槛
llama.cpp b10770 发布：为 M3 添加 fa-vec 调优
llama.cpp 发布 b10770 版本，主要更新是为 Apple M3 芯片添加了 fa-vec 调优（PR #28236），以提升 Metal 后端性能。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件，并支持多种硬件加速后端。
正文结构化主题已通过公开置信门槛
llama.cpp b10769 发布：修复 Metal 低内存查询问题
llama.cpp 发布 b10769 版本，主要修复了 Metal 后端在低内存条件下的内存查询问题。该版本提供了适用于 macOS、Linux、Windows、Android 等多种平台的预编译二进制文件，并支持多种硬件加速后端。
正文结构化主题已通过公开置信门槛
Claude Sonnet 5 错误率升高已解决
Anthropic 报告 Claude Sonnet 5 出现错误率升高的问题，影响范围包括 claude.ai、Claude API、Claude Code 和 Claude Cowork。问题从太平洋时间下午 2:05 持续到 2:19，现已解决。
正文结构化主题已通过公开置信门槛
AWS 在澳大利亚推出 Bedrock 上的 OpenAI GPT-5.6 跨区域推理
AWS 宣布澳大利亚的悉尼和墨尔本区域现可通过 Amazon Bedrock 的全球跨区域推理访问 OpenAI GPT-5.6 系列模型（Sol、Terra、Luna）。这些模型支持文本和图像输入、100 万 token 上下文，并可通过 Responses API、Chat Completions API 和 Converse API 调用。文章还介绍了
正文结构化主题已通过公开置信门槛
OpenAI新推理技术引发AI安全专家担忧
据The Information报道，OpenAI的新模型Astra将采用一种名为“循环深度”（又称“不透明循环”）的推理技术，该技术使模型在循环中处理查询，可能使思维链更难监控，引发AI安全专家的担忧。Redwood Research CEO Buck Shlegeris和AI安全倡导者Zvi Mowshowitz等专家公开表示忧虑，认为该技术可能破坏思维
正文结构化主题已通过公开置信门槛
谷歌发布Gemini 3.8 Flash：性能更强但成本可能更高
谷歌发布了Gemini 3.8 Flash模型，该模型通过更多推理步骤和迭代工具调用实现更强性能，但可能因token消耗增加而提高使用成本。该模型在软件工程和自主智能体基准测试中表现优异，同时谷歌推出了面向政府和可信伙伴的Fairwind计划，提供Gemini 3.8 Flash Cyber和CodeMender代理。
正文结构化主题已通过公开置信门槛
llama.cpp b10764 发布：清理 CUDA 代码并更新多平台二进制
llama.cpp 发布 b10764 版本，主要更新为移除 ggml-cuda 中的未使用变量。该版本提供适用于 macOS、Linux、Windows、Android 等多平台的预编译二进制文件，涵盖 CPU、CUDA、Vulkan、ROCm 等多种后端。
正文结构化主题已通过公开置信门槛
ZeroDigest 发布 Qwen3.8-27B 架构感知量化系列，支持多 token 预测
ZeroDigest 实验室发布了基于 Qwen3.8-27B 的架构感知量化模型系列 Qwen3.8-27B-YMQ-MTP-GGUF，使用自定义 YMQ-Compiler v2.0 进行混合精度量化，支持多 token 预测（MTP）和高上下文优化。该系列提供从 XXS 到 XL 多个预设，针对不同 VRAM 容量优化，并公布了 WikiText-2 困
正文结构化主题已通过公开置信门槛
ZeroDigest 发布 Qwen3.8-27B 无审查版多档位 GGUF 量化模型
ZeroDigest 实验室发布了基于 Qwen3.8-27B-Uncensored 的 GGUF 量化模型系列，采用其自研的 YMQ-Compiler v2.0 框架进行架构感知的混合精度量化，支持多 token 预测（MTP）推测引擎。该系列提供从 XXS-Pro 到 XL 的多个预设档位，覆盖 9.3GB 至 17GB 以上的显存需求，针对代码生成和智
正文结构化主题已通过公开置信门槛
llama.cpp b10763 发布：默认启用 preserve reasoning 参数
llama.cpp 发布 b10763 版本，默认启用 preserve reasoning 聊天模板参数，并记录其有效状态。该参数可通过 --reasoning-preserve / --no-reasoning-preserve 显式控制，若未指定则默认开启，服务器会记录有效状态并给出相应警告。同时，通过 --chat-template-kwargs 设
正文结构化主题已通过公开置信门槛
llama.cpp b10762 发布，支持 DeepSeek-V4-Flash-Vision-Exp
llama.cpp 发布 b10762 版本，主要更新是支持 DeepSeek-V4-Flash-Vision-Exp 模型，包括处理最小/最大 token 数、使用 GGML ROPE TYPE VISION 等。该版本提供了多平台预编译二进制文件，涵盖 macOS、Linux、Windows、Android 等。
正文结构化主题已通过公开置信门槛
谷歌披露第八代TPU细节：推理芯片配288GB HBM，训练能效翻倍
在Hot Chips 2026大会上，谷歌披露了第八代TPU技术细节，包括面向推理的TPU 8i和面向训练的TPU 8t。TPU 8i配备288GB HBM和384MB SRAM，采用Boardfly拓扑降低延迟；TPU 8t通过Virgo网络和光交换支持超大规模训练，能效达前代2倍。谷歌还利用AI优化芯片设计，并强调软件兼容性。