AI 论文速递

KV cache 压缩一直沿用「给 token 打分、保留高分」的范式。这篇工作用实验证明——打分信号几乎没用：Random Attention 只保留 prompt、在每个注意力头内均匀随机驱逐，完全不计算分数，在 4 个模型、6 个推理任务上追平最强驱逐器，vLLM 部署吞吐还高出 32-43%。机理研究给出两层解释：prompt 是 cache 的脆弱部分；推理轨迹用「文本冗余 + 多头各自拷贝」两层冗余自我保护，一旦 prompt 保住，随机抽样就够用。代码开源。

自主后训练系统靠「提出更新 → 训练候选 → 评估反馈」闭环进化，但问题来了：父模型经过后续训练已经变了，过去的成功经验还作数吗？把成功当「免检许可」会浪费算力，甚至带偏训练轨迹。BCIT 把「何时能复用经验」形式化为条件迁移：绑定效果来源上下文、检查适用条件、命名硬冲突、必要时做有界试训取得当前态证据。在 4B 模型跨金融推理 / Text-to-SQL / 函数调用上，BCIT 授权更少有害更新、同预算下成绩更高。

终端代码智能体的轨迹已经海量堆积，但可执行、可验证的环境依然稀缺——而后训练真正需要的是环境：每个环境能被反复查询成许多可验证任务并提供执行反馈。这篇工作反过来把每条轨迹「还原」成可复用环境：回放轨迹里的文件操作恢复工作区、用补全 agent 补齐缺失文件与依赖，再据此重建原任务、合成全新任务，并沿广度（跨仓库依赖查询）和深度（多轮交互）两个轴扩展任务。作者来自阿里、清华等。

RLVR 需要程序化 checker，但多数长时程 agent 任务没有真值信号，只能靠多准则 rubric 打分——可一个标量横跨几十步，信号太糙。DRACO 训练中动态生成 rubric 跟踪策略能力，轨迹完成后打分，再把分数沿「负责该 rubric 的步骤」闭式重分配到每步 advantage（GRPO），不引入任何训练型归因模块。AppWorld 上比基座 +15.9 分、比稀疏真值奖励 GRPO +5.3 分，且完全不依赖 verifier。代码开源。

压缩上下文通常要么写成「人读的文本」、要么渲染成「要解码的图像」。LatentPress 引入第三种表示——连续记忆 token，冻结解码器经输入 embedding 接口直读、推理时零文本重建。只训一个 4.2M-26.2M 参数的小 adapter（约 0.1%），做到 4-16 倍压缩。LongMemEval 上 7.7 倍压缩达 0.504，超过未压缩证据（0.490），远甩文本摘要（0.184）与 OCR 压缩。写一次仅 43ms，读取快 5-9 倍，把「软 token」变成机器可直用的上下文接口。

统一多模态架构，把物理（重力场/纬度）、几何（深度）、外观（图像）三种原生世界状态，加上统一 Omni-Camera 表征，整合进单一模型，不依赖外部离线模块即可做物理理解、空间模拟、3D 世界生成与重建。外观与几何耦合在同一个生成过程中，联合合成每个未来视角并重建底层几何，支持 mimic 与自校准闭环探索。配套 Puffin-16M（1500 万 VL-camera 三元组 + 100 万条轨迹），代码、模型、数据全部开源。

GitHub Trending 新一批 AI 项目里，<a href="https://github.com/2akouwu/reverify" target="_blank">reverify</a>（★879）给读二进制的 AI agent 加「防幻觉」层：模型提主张、确定性工具裁决，每条声明都被 VERIFY/REFUTE。<a href="https://github.com/hkqr/my-free-code" target="_blank">my-free-code</a>（★626）做多提供商 coding agent 网关；useagent（★284）给团队配「AI 同事」云电脑；truespar/paddock 是原生 Rust 推理服务器（GGUF + FP8/NVFP4，兼容 OpenAI/Anthropic API）。awesome 主仓库本周仍无新合并（最近提交仍是 9/2 的 Meta tweaks），AI 相关 list PR 继续排队：AI Agent Tools、AI Tokenomics、LLM for Biomedicine、AgentOS、SRE Agents 等。