Tokenomics：量化智能体软件工程中的 Token 消耗
多智能体编程系统 Token 消耗研究：代码审查吞掉近 60% Token，输入 Token 占 53%。AI 编程真成本不在写代码，而在反复审查验证。
Meta 确认数千 Instagram 账户遭黑客利用 AI 聊天机器人劫持
Meta 披露超 2 万 Instagram 账户遭黑客利用 AI 客服漏洞劫持。攻击者只需“询问”聊天机器人，就能重置目标密码，实现完全账户接管。
pg_durable：PostgreSQL 内部的持久化执行框架
pg_durable 是 Microsoft 开源的 PostgreSQL 持久化执行扩展，让 SQL 函数通过检查点机制在崩溃后自动恢复，无需外部服务或编排器。
rsync Claude 辅助开发争议数据分析报告
通过排列检验与 Fisher 精确检验分析 rsync 引入 Claude 后的 bug 率，发现并无统计显著异常，版本落在历史分布正常范围内。
Gemma 4 QAT 模型：优化模型压缩，提升移动端与笔记本电脑效率
Google DeepMind 发布 Gemma 4 QAT 量化感知训练模型，通过 Q4_0 和移动端专用量化格式将 E2B 模型内存降至 1GB，大幅降低显存需求同时保留模型质量。
ScreenAI：用于UI和信息图表理解的视觉语言模型
ScreenAI是Google DeepMind推出的视觉语言模型，仅5B参数就在UI和信息图表任务上达到SOTA。核心创新是屏幕标注任务结合LLM自动生成训练数据。
KVarN：华为为 vLLM 打造的原生 KV-cache 量化后端
KVarN 是华为为 vLLM 开发的原生 KV-cache 量化后端。相比现有方案同时保留速度和精度，3-5x 容量，~1.3x 吞吐量，即插即用。
当 AI 开始构建自身——我们迈向递归自我改进的进展
Anthropic 研究所报告：AI 自主任务时长从 4 分钟跃升至 12 小时，基准测试迅速饱和，递归自我改进或将加速到来。
Latent Agents：一种将多智能体辩论内化为单模型隐式过程的后训练方法
多智能体辩论（Multi-Agent Debate）通过多个 LLM 实例互相批评优化推理，但成本极高。Latent Agents 提出两阶段微调方法，将多智能体辩论内化为单模型前向传播中的隐式过程，Token 消耗最高减少 93%，同时揭示了一种可解释的激活空间结构。
Transformer 的三个投影真的都需要吗？QKV 变体系统性研究
Transformer 的 QKV 三个投影是否都必要？研究发现 Q-K=V 仅损失 3.1% perplexity，即可实现 50% KV cache 缩减，对设备端推理部署有直接价值。