微软研究院：把物理 AI 推理卸载出机器人可提升任务表现与续航
微软研究院对移动机器人操作负载做了首次系统性研究，结论是推理不必局限在机器人本地 GPU，卸载到边缘或云端 GPU 可提升任务表现与续航。评估显示，在内存足够的 GPU 上，建图与规划相比 A100 最多慢 383%；较轻 GPU 让导航及时检测障碍物下降 30%，VLA 模型精度下降 50%。
推荐理由：微软对机器人离线推理做了首次系统性测量研究，给出任务性能与续航的量化对比，并开源配套工具链。
#部署/工程
#部署/工程
今日 0 条Microsoft Research精选AI 评分6060
Hugging Face BlogAI 评分4545 像物理学家一样剪枝大语言模型：将块删除建模为伊辛优化问题
新研究将大语言模型的 Transformer 块剪枝建模为约束二进制优化与伊辛玻璃问题，通过最小化能量确定最优删除组合。该方法利用 Hessian 矩阵捕捉层间耦合相互作用，无需逐一运行基准测试即可低成本评估海量配置。在 Llama-3.3-70B-Instruct 的 50% 压缩测试中，其 MMLU 得分比现有最佳块删除方法高出近 23 个百分点。
Hugging Face Blog精选AI 评分6666 IBM Research 提出 Consistency Analyzer：把智能体的一致性差距从 24.4 点减半到 12.0 点
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve 新增的 consistency guidelines 与 Consistency Analyzer，用于衡量并改善智能体在重复运行下的不稳定问题。
推荐理由：原文提出 Pass^k 与一致性差距的度量，并给出把差距减半的检测与修复方法，可用于判断智能体上线后的可靠性。
Hugging Face BlogAI 评分4545 Quantization-Aware Healing：压缩版 4-bit 模型表现超越全精度原版本
Hugging Face 提出 Quantization-Aware Healing（QAH）技术，使压缩并量化至 MXFP4 的 4-bit 模型在 9 项基准中有 7 项超越 bfloat16 全精度原版本。
Import AIAI 评分2828 Import AI 470：机器不享有权利；用 SPADE 自动化环境生成；用 Hawkeye 构建更好的 GPU kernel
METR 研究显示 AI 对科学的加速并不均匀：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域贡献有限但 arXiv 投稿在部分方向不到 12 个月翻倍，AI 研究本身的算法进展则无可测量加速。
Hugging Face BlogAI 评分4747 Hugging Face：让大语言模型知识蒸馏实现低成本规模化运行
Hugging Face 提出通过离线缓存教师模型 Top-100 logits 与融合分块 KL 损失（Fused Chunked KL Loss），大幅降低大语言模型知识蒸馏的显存成本。
Google ResearchAI 评分3838 Google 通过线性弹性缓存优化云经济性
Google 提出线性弹性缓存（linear elastic caching），将缓存逐出建模为“滑雪租赁问题”，利用轻量级机器学习动态调整缓存生命周期。在 Google Spanner 生产环境集成数月的测试中，该方法使内存占用减少 15.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。
Google DeepMindAI 评分5151 Google DeepMind 提出 Decoupled DiLoCo 分布式训练架构
Google DeepMind 推出新型分布式训练架构 Decoupled DiLoCo，通过将训练任务划分为解耦的计算岛并结合异步数据流，实现跨远距离数据中心的低带宽与高容错模型训练。
Google ResearchAI 评分4545 TurboQuant：通过极致压缩重新定义 AI 效率
Google Research 推出向量压缩算法 TurboQuant，结合 PolarQuant 极坐标量化与 1-bit QJL 残差纠错技术，在零精度损失的前提下大幅降低 KV cache 内存开销。该算法在 Gemma 和 Mistral 等开源大语言模型上通过了 LongBench、RULER 等长上下文基准评测，在显著压缩 KV 内存占用的同时优化了向量检索效率。