MiniMax 發布 MiniMax M3 模型，支援 1M-token 上下文與多模態
MiniMax 於2026年6月1日推出 MiniMax M3 模型，引入 MSA 架構，提供 1M-token 上下文窗口、原生多模態輸入及代理編碼功能。
自我演化LLM代理的更新能力與受益能力分析
研究探討自我演化LLM代理中，模型產生有用更新的能力與從中受益的能力，發現前者在不同能力層級模型間表現相似，後者則呈非單調變化。
Gemini 的新 AI 代理與 Google 演示效果相當
Google 推出的 Gemini Spark AI 代理能全天候處理多步驟任務，但其財務成本和隱私疑慮引發討論。
這可能是 Windows 的 M1 時刻 — 但預計價格不菲
NVIDIA 宣布推出 RTX Spark 消費者筆記型電腦晶片，有望為 Windows 筆電帶來媲美 Apple M1 的效能與續航，但價格可能較高。
Meta的AI聊天機器人遭利用劫持Instagram帳戶
媒體報導指出，Meta的AI支持聊天機器人被黑客利用，通過更改電子郵件和重置密碼來劫持Instagram帳戶，此問題已被修補。
Vulkan 管線編譯鎖機制改進
llama.cpp 發布 b9458 版本，改進 Vulkan 管線編譯時的鎖機制，避免阻塞其他線程，提升並行效能。
超越回憶：行為規範作為AI個人化的解釋層
研究論文提出行為規範作為AI個人化的解釋層，以表徵準確性衡量用戶對齊，並在基準測試中提升預測準確性。
DEMON：用於音樂編排噪聲的實時擴散引擎
研究論文提出DEMON實時擴散引擎，將去噪過程轉化為現場樂器，在消費級GPU上實現高效音樂生成。
GCPO：離散策略優化中的引導對比權杖信用分配
這篇論文提出GCPO演算法，用於強化學習中的權杖級信用分配，在文字轉圖像生成和思維鏈推理中表現優於GRPO和DAPO。
認識 Memory OS：基於 Hermes Agent 的六層開源記憶堆疊
社區開發者推出 Memory OS，這是一個開源記憶架構，為 Hermes Agent 添加六層記憶系統，強調本地運行、結構化檢索和記憶效率。
AlphaTransit：城市規模公交路網設計新框架
研究論文提出 AlphaTransit 框架，結合蒙地卡羅樹搜尋與神經網絡，用於優化城市公交路網設計，實驗中服務率顯著提升。
RayDer：可擴展的自監督新視角合成技術
研究論文提出 RayDer，一個統一的前饋變換器模型，用於從真實影片進行自監督新視角合成，展現出數據與計算的良好擴展性。
從模型擴展到系統擴展：在代理 AI 中擴展框架
研究論文探討代理 AI 的下一個主要瓶頸，強調系統設計而非僅模型擴展，並提出擴展框架的概念以提升長期代理行為。
記憶體受限但非頻寬受限：批次-1 LLM 解碼的物理 AI 推論差距
研究論文探討物理 AI 系統在批次-1 LLM 解碼中的推論效能，發現更快記憶體不一定帶來成比例延遲降低，並測試了 CUDA Graphs 的影響。
微軟將在Build大會發布新AI模型及Windows改進
微軟計劃於Build大會上揭曉新的AI模型與Windows改進，試圖贏回開發者信任。
llama.cpp 新增 EXAONE 4.5 模型支援
llama.cpp 發布新版本 b9453，加入 EXAONE 4.5 模型的實現，並優化多模態處理功能。
Strava 因 AI 刮取工具收緊 API 存取
Strava 宣布收緊 API 存取限制，開發者需每月支付 11.99 美元訂閱費，以應對 AI 刮取工具導致的性能問題。
AI衝擊音樂產業，葛萊美獎如何應對？
Recording Academy執行長表示AI在音樂製作中已無所不在，每日有超過五萬首AI歌曲上傳，葛萊美獎規則排除AI音樂，並將轉至迪士尼平台播出。
llama.cpp Vulkan優化 提升Intel/AMD GPU效能
GitHub發布的llama.cpp新版本針對Vulkan後端進行優化，透過區塊載入與32位元整數運算，顯著提升Intel BMG及AMD RDNA GPU上Q3_K/Q6_K量化模型的推論速度。
VisualThink-VLA：高效低延遲的視覺中間推理框架
研究論文提出VisualThink-VLA框架，透過視覺中間推理提升視覺語言動作策略的準確性與效率，將延遲大幅降低至亞秒範圍。
單次點擊即可分割細胞類型：無需訓練的群組互動細胞實例分割
研究論文提出Group Prompting方法，通過單次點擊per cell type進行細胞實例分割，無需額外訓練，在基準測試中表現優異。
llama.cpp 發佈 b9451 版本：Vulkan 後端優化
llama.cpp 官方發佈 b9451 版本，主要針對 Vulkan 圖形後端進行優化，並提供多個作業系統的編譯版本。
Mellum 2 技術報告
Mellum 2 是一款開源的12B參數混合專家語言模型，專精於軟體工程領域，提供優異的代碼生成與推理能力。
信任區域行為混合在策略蒸餾中的應用
研究論文提出信任區域行為混合方法，用於改善在策略蒸餾的早期訓練階段，提升模型性能。
GDSD：擴散語言模型的引導式去噪器自蒸餾方法
研究提出 GDSD 方法，通過自蒸餾改進擴散語言模型的強化學習，在基準測試中提升性能達 19.6%。
GrepSeek：訓練搜尋代理直接與語料庫互動
GrepSeek 是一個優化的直接語料庫交互搜尋代理，通過兩階段訓練提升問答表現。
嵌入模型如何綁定概念？
研究探討CLIP等視覺-語言嵌入模型在概念綁定上的困難，發現其綁定函數複雜度高，但控制模型在充足數據下能實現系統性泛化。
超越整體模型：深度多元時間序列預測的系統性組件級基準測試
研究論文提出 TSCOMP 基準，系統性分解深度預測方法進行評估，並公開代碼與性能語料庫。
DecMem：解耦記憶架構實現分鐘級一致世界生成
論文提出 DecMem 模型，透過解耦記憶機制，解決長時間世界生成中的一致性挑戰，並在實驗中表現優異。
擴散語言模型的置信度誤導：後錨定與鄰近置信度調變
研究論文指出擴散語言模型中，高置信度位置並非都適合解碼，需提出新方法改善生成完整性與過早解碼問題。