efficiency

作者开源了一个用于编码智能体的执行与上下文层，在GPT-5.6和Claude Opus 5上的配对冒烟测试中，将新鲜模型流量减少了57-85%，同时保持任务成功率，并寻求独立评估和赞助。

作者分享了他用 DeepSeek 的潜在注意力训练一个小模型的见解，观察到潜在空间的使用因层而异，以及一个可以将 KV 缓存减少 4 倍且损失不变的测试时技巧。

Jeff Geerling评测了搭载Intel Core 5 320的Dell XPS 13，着重介绍其出色的能效和Linux兼容性，并对Intel的低端处理器方向表示乐观。

InclusionAI（蚂蚁集团实验室）发布了Ling 3.0 Tiny，一个封闭API模型，总参数7.9B中激活1.3B，支持256K上下文、原生函数调用，并具备思考/即时模式，面向多轮智能体工具循环。文章质疑其效率曲线，并指出尚无独立评测或开放权重。

介绍GROM，一种无梯度的单次机器遗忘方法，通过岭正则化最小二乘法计算闭式加性权重更新，在TOFU和WMDP等基准上实现了最先进的遗忘-效用权衡，并能抵抗基于量化的恢复攻击。

一个采用融合架构的新型sub-6B稀疏激活AI模型，结合了LFM2.5-2.6B和Qwen3.6-35B-A3B的权重，以极小的尺寸实现了接近Qwen3.6-35B的性能。

本文提出了EASy，一个可训练的智能体框架，利用强化学习联合优化任务性能与计算效率，并引入了里程碑-规划-执行工作流、依赖感知执行图和用于训练的树形展开。

介绍了BinaryPC，一种面向长上下文大语言模型的无训练哈希稀疏注意力方法，利用二值主成分构建哈希码，在保持准确率的同时，解码吞吐量较FlashAttention提升了3.56倍。

本文介绍了EvtGraph，一个高效的多模态时序图学习框架，在预算约束下将序列压缩为事件级令牌，在临床和跨领域基准上展示了相较于Transformer和循环基线更好的性能与效率。

本文提出了一种基于LeJEPA自监督预训练的纯注意力白盒Transformer，在CIFAR-10/100上取得了具有竞争力的准确率，同时与CRATE相比参数量减少约31%，并进一步展示了标准ViT中MLP的冗余性。

提出了递归残差量化（RRQ），这是一种训练后量化框架，通过加法式残差细化，从单个LLM检查点获得多种有效精度，从而提高了灵活性和构建速度。

PaDoc 提出了一种面向端到端文档解析器的基于布局的并行解码方法，将布局解码与内容解码解耦，以减少解码深度并提高吞吐量。它在 OmniDocBenchFull 上取得了最先进的结果，并且相比顺序基线显著加速了推理。

VisionPsy-Nano-460M-Flash 是一款全新的460M视觉语言模型，每张图像仅使用64个视觉token，在iPhone上首token延迟降至0.3秒，同时保留了完整模型约99%的基准分数。这种优化牺牲了部分OCR和精细细节质量。

AcceptMoE is a verifier-side expert selection method for speculative decoding of MoE LLMs, which reduces expert-weight traffic and improves throughput by up to 2.06x under expert offloading with minimal accuracy loss.

ATFlash introduces a per-RoPE-wavelength distance window that prunes query-key inner-product terms proportional to each frequency pair's wavelength, cutting 37-48% of attention compute with minimal quality loss and up to 1.31x speedups on long-context LLM inference.

Intern-S2 Mobius 是一个基于 Qwen3.5-35B 的模型，其架构差异据称可提高吞吐量并减少 token 消耗。

介绍了 OoO-Spec，一种通过小型辅助模型以无序方式计算语义槽位来加速 LLM 工具调用的方法，相比自回归解码实现了最高 5.34 倍的加速，并在多个目标和基准测试中超越了现有的草稿模型方法。

SparseKAN is a unified compression method for Kolmogorov–Arnold Networks that prunes basis functions, neurons, and numerical precision under learnable gates, achieving up to 73% parameter reduction and significant latency improvements on software and FPGA hardware.

OmniPack提出了一种无需训练的全模态大语言模型令牌压缩框架，将LLM前结构化压缩与LLM内任务相关语义精炼相结合，在多个基准上实现了优异的性能-效率权衡。

Frac-Connections是一种新方法，通过划分隐藏状态而非扩展它们，将Hyper-Connections扩展到分数扩展率。与残差连接相比，它在几乎不增加计算量的情况下实现了更强的下游性能，并在高达7B的MoE语言模型上得到了验证。