scalable

mimalloc 是一个开源、高性能、可扩展的内存分配器，可作为 malloc 和 free 的直接替代品。它专为现代高并发应用和大内存规模而设计，被用于 Bing 等主要服务，并集成到 NoGIL CPython 和 Unreal Engine 等项目中。

Browser Use 推出全新浏览器基础设施服务，具备亚秒级冷启动、更低成本（每小时0.02美元）以及无限扩展能力，现已面向开发者上线。

本文提出了一种分布式方法，用于约束多智能体强化学习，该方法采用状态增强策略学习和对偶变量上的邻居间一致性，以在满足全局资源约束的同时实现智能体数量线性扩展。在智能电网需求响应上的实验表明，一致性协调对可行性至关重要：与集中式训练方法不同，它能够扩展到数千个智能体。

本文引入了访问集的概念来预算专家读取，从而实现了可扩展的权重空间模型合并。

本文提出AgentDoG 1.5，一个面向AI智能体安全的轻量可扩展对齐框架，利用基于分类树引导的训练，仅需极少量样本即可达到与领先闭源模型相当的性能。

本文提出了一种可扩展的异构图神经网络工作流，用于数据驱动的最优潮流替代建模，利用超级计算机进行分布式训练，并通过微调预训练模型展示了性能改进。

Equilibrium Reasoners (EqR) 提出了一种新颖的可扩展推理框架，通过在潜在动态系统中学习任务条件吸引子，展开多达 40,000 层，在 Sudoku-Extreme 上实现了超过 99% 的准确率。

TideGS提出了一种外存训练框架，通过块虚拟化、异步流水线和差分流式传输技术，在SSD-CPU-GPU层级管理参数，使得在单个GPU上能够以超过十亿原语进行3D高斯泼溅训练。

M1 by Montage 是一个按需扩展的代理式用户界面平台。

PACER 是一个新的可扩展框架，用于从大规模干预数据中进行因果发现，其设计保证了无环性，在包含数千个变量的基准测试中，比基于惩罚的方法实现了高达两个数量级的加速。