• 谱条件统一了μP的宽度-深度联合缩放，不再需要逐架构逐优化器单独推导超参数迁移规则，附带代码实现。

• 数据筛选过程本身就泄露成员信息：Anthropic研究表明，即使模型只在公开数据上训练，攻击者仍可推断原始数据集的组成。

• VLM让灵巧手听懂自然语言指令。UniHM用统一tokenizer跨手型泛化，只需人-物交互视频训练，不依赖遥操作数据。

也值得关注

• GRPO从LLM对齐迁移到3D网格生成 — 异步优势引导的偏好优化替代离线DPO，用于艺术风格四边形网格。
• 幂等经验回放缓解持续学习的灾难性遗忘 — 在可靠性要求高的场景下表现更稳健。
• Mamba/SSM处理工业级CAD长序列 — 替代Transformer的效率优势在细粒度零件建模中兑现。
• 小波变换检测视频语义边界来选帧 — 比query相关性选帧保留更完整的叙事结构。
• MLLM的基础数数能力有了跨模态度量 — 统一的图像-文本-音频计数benchmark。
• 高斯散射从稀疏气象站点重建雷达级降水场 — 低成本天气监测的新路径。
• 分子表征从原子中心转向键中心 — 共振和立体选择性等键级现象不再被忽略。
• Visual autoregressive的next-scale预测用于超分辨率 — 解决全局一致性问题。

阅读完整版 →