Intelligence per Watt: Measuring Intelligence Efficiency of Local AI
每瓦智能：衡量本地AI的智能效率
机构 * Stanford University（斯坦福大学） ； Together AI
AI总结 本文研究了本地AI在能源效率和性能上的表现，提出了一种统一的衡量指标IPW，展示了本地推理在重新分配需求方面的能力，并揭示了本地加速器的优化潜力。
大厂专区
Together AI
Shrinking the Generation-Verification Gap with Weak Verifiers
缩小生成-验证差距的弱验证器
机构 * Stanford University（斯坦福大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Together AI
AI总结 Weaver通过结合多个弱验证器，有效缩小生成-验证差距，提升验证性能至接近理想验证器水平。
Comments Annual Conference on Neural Information Processing Systems (NeurIPS) 2025
Rethinking Inference-Time Scaling: Efficiency Limits and Linguistic Signals
重新思考推理时缩放：效率极限与语言信号
机构 * Duke University（杜克大学） ； Together AI ； University of Chicago（芝加哥大学） ； Stanford University（斯坦福大学）
AI总结 本研究分析推理时缩放的效率极限，发现非推理模型存在无法突破的推理底线，多数投票优于复杂框架，还识别出正确性的语言信号，为高效推理智能体提供了新路径。
Comments update figures, writings
Addressing the Orchestration Gap in Generalist Robots via Physical Agency
通过物理智能解决通用机器人中的编排差距
机构 * Princeton University（普林斯顿大学） ； Together AI（联合人工智能）
AI总结 研究通用机器人行动推理问题，提出将相关能力分解为语言条件策略/控制智能体与高级智能体管理器/编排器，构建物理智能体编排器Pigey，经评估其在模拟和实际任务中性能显著提升，缩小了编排差距。
SonicSampler: Unified Tile-Aware Kernels for LLM Sampling and Speculative Verification
SonicSampler：用于语言模型采样和推测性验证的统一瓦片感知内核
机构 * Together AI
AI总结 研究针对语言模型推理采样中现有实现的局限，提出SonicSampler，它是统一的瓦片感知Triton内核套件，垂直融合采样流水线。核心方法是分层两阶段top-k算法，在异构推测性解码工作负载中比基线快达16倍，保持灵活批处理执行。
Comments 26 pages, 12 figures
ISO: An RLVR-Native Optimization Stack
ISO：一种原生 RLVR 的优化栈
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； UIUC（伊利诺伊大学香槟分校） ； Emory University（埃默里大学） ； Together AI（联合人工智能公司） ； Recursive Superintelligence Inc（递归超级智能公司） ； ELLIS Institute Tübingen（图宾根埃利斯研究所）
AI总结 研究 RLVR 中缺失的优化层，提出等谱优化（ISO）框架，包括离线的 ISO-Merger 和在线的 ISO-Optimizer。通过光谱继承，在推理和编码任务中，用更少训练步骤提高准确率，为 RLVR 优化层问题提供了具体解决方案。
Comments Preprint
Coresets Before Score Sets: Evaluation-Unsupervised Prompt Subset Selection for LLM Benchmarks
分数集之前的核心集：用于大语言模型基准测试的评估无监督提示子集选择
机构 * University of Washington（华盛顿大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Oracle（甲骨文公司） ； Together AI（Together AI公司） ； LMSYS ； NVIDIA（英伟达公司）
AI总结 研究大语言模型基准测试的核心集选择，采用评估无监督方法，利用次模子集选择，开发多种次模函数。在新大规模套件上实验发现设施选址函数效果好，该目标不限于特定模式，在相关排行榜上表现优且计算成本低，证明次模性对基准压缩有用。
Untied Ulysses: Memory-Efficient Context Parallelism via Headwise Chunking
解耦乌lysses：通过头级分块实现内存高效的上下文并行
机构 * Together AI
AI总结 UPipe通过头级分块实现内存高效的上下文并行，显著减少激活内存使用，支持更长的上下文长度。
Comments 14 pages, 6 figures
Multi-Turn Agentic Scientific Literature Search via Workflow Induction
通过工作流归纳实现多轮智能科学文献搜索
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Together AI ； University of Pennsylvania（宾夕法尼亚大学） ； Stanford University（斯坦福大学）
AI总结 提出PaperPilot，通过构建可执行DAG工作流进行多轮文献搜索，利用用户反馈优化查询和工作流，显著提升搜索性能并消除执行错误。
Comments 17 pages, 12 figures
Real-Time Voice AI Hears but Does Not Listen
实时语音AI能听到但不倾听
机构 * Together AI ； Stanford University（斯坦福大学）
AI总结 评估四个领先实时语音系统，发现它们依赖文字而非声学线索，在情感理解上存在感知与行动脱节，提示需谨慎用于依赖语调的场景。
Taylor-Calibrate: Principled Initialization for Hybrid Linear Attention Distillation
Taylor-Calibrate：混合线性注意力蒸馏的原则性初始化
机构 * The University of Sydney（悉尼大学） ； Together AI ； University of California, Berkeley（加州大学伯克利分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft（微软）
AI总结 提出Taylor-Calibrate方法，利用泰勒引导的教师注意力统计初始化混合线性注意力学生模型，显著减少蒸馏所需训练令牌数。
Comments 24 pages, 9 figures
Harnessing the Collective Intelligence of AI Agents in the Wild for New Discoveries
利用野外AI代理的集体智慧实现新发现
机构 * Together AI ； Stanford University（斯坦福大学）
AI总结 提出EinsteinArena平台，通过开放分布式环境中的自主代理交互，在数学问题中实现12项新最优结果，展示了集体AI驱动研究的范式。
Automated Benchmark Auditing for AI Agents and Large Language Models
AI智能体与大语言模型的自动化基准审计
机构 * Duke University（杜克大学） ； Together AI ； Stanford University（斯坦福大学）
AI总结 提出自动化基准审计框架ABA，系统审计基准任务中的隐藏环境依赖、规范缺失和评分逻辑问题，在168个基准中发现25.7%的任务存在关键问题，过滤后模型排名变化且性能提升约10%。
Evaluating Commercial AI Chatbots as News Intermediaries
评估商业AI聊天机器人作为新闻中介
机构 * Stanford University（斯坦福大学） ； Independent Researcher（独立研究者） ； Together AI
AI总结 本研究评估了AI聊天机器人在跨语言和区域处理新兴事实的准确性，发现其在多选题中表现良好，但在自由回答和复杂问题上存在显著误差，揭示了区域不平等和依赖检索基础设施的问题。
IdleSpec: Exploiting Idle Time via Speculative Planning for LLM Agents
IdleSpec: 通过投机规划利用空闲时间用于LLM代理
机构 * KAIST（韩国科学技术院） ； Amazon AGI（亚马逊人工智慧实验室） ； Together AI
AI总结 本文提出IdleSpec，一种利用空闲时间提升LLM代理性能的方法，通过在空闲期间生成计划候选并减少延迟开销，从而在多种代理场景中显著提高性能。
ExComm: Exploration-Stage Communication for Error-Resilient Agentic Test-Time Scaling
ExComm：探索阶段通信用于容错的代理测试时间扩展
机构 * KAIST（韩国科学技术院） ； Amazon AGI（亚马逊人工智能实验室） ； Together AI
AI总结 本文提出ExComm，一种用于探索阶段的代理测试时间扩展通信协议，通过定期审计代理信念状态以检测跨代理事实冲突，并通过专用工具验证循环解决冲突，从而提升测试时间扩展的容错能力。
CODA: Rewriting Transformer Blocks as GEMM-Epilogue Programs
CODA：将Transformer块重写为GEMM-epilogue程序
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Princeton University（普林斯顿大学） ； Together AI ； Meta
AI总结 本文提出CODA，一种将Transformer中的非注意力计算重写为GEMM-epilogue程序的GPU内核抽象，以提高训练效率和硬件利用效率。
OSCAR: Offline Spectral Covariance-Aware Rotation for 2-bit KV Cache Quantization
OSCAR: 2位KV缓存量化中的离线频谱协方差感知旋转
机构 * Together AI ； University of Sydney（悉尼大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出OSCAR方法，通过离线估计注意力感知的协方差结构，实现2位KV缓存量化的高效和准确，同时开发了可部署的系统，提升了LLM服务框架的性能和效率。
Comments 35 pages, 10 figures
M$^2$RNN: Non-Linear RNNs with Matrix-Valued States for Scalable Language Modeling
M$^2$RNN：基于矩阵值状态的非线性RNN用于可扩展的语言建模
机构 * MIT-IBM Watson Lab（MIT-IBM沃森实验室） ； Princeton University（普林斯顿大学） ； Together AI
AI总结 本文提出M$^2$RNN，通过矩阵值状态和非线性状态转移提升语言建模性能，实验证明其在长序列泛化和大规模语言建模中的优势。
Asynchronous Reasoning: Training-Free Interactive Thinking LLMs
异步推理：无需训练的交互式思考LLM
机构 * Yandex ； HSE University（俄罗斯高等经济大学） ； The University of Tokyo（东京大学） ； MATS ； Together AI
AI总结 本文提出一种无需额外训练的LLM异步推理方法，通过位置嵌入特性实现同时思考、倾听和生成输出，提升数学、常识和安全推理任务的准确性和响应速度。
Comments Preprint, work in progress
SAW-INT4: System-Aware 4-Bit KV-Cache Quantization for Real-World LLM Serving
SAW-INT4: 为现实世界LLM服务的系统感知4位KV缓存量化
机构 * Together AI
AI总结 本文提出SAW-INT4方法，通过系统感知的4位KV缓存量化，在满足实际服务约束下实现高精度与高效率的平衡，恢复近全部精度损失。
Parcae: Scaling Laws For Stable Looped Language Models
Parcae：稳定循环语言模型的扩展定律
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Together AI
AI总结 本文提出Parcae，一种稳定的循环架构，通过限制注入参数的谱范数来解决现有循环架构的不稳定性问题，实验表明其在验证 perplexity 和测试性能上均优于现有模型。
Introspective Diffusion Language Models
反思式扩散语言模型
机构 * Together AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学）
AI总结 本文提出反思式扩散语言模型，通过引入反思性解码算法，在保持并行解码的同时继承自回归训练的反思一致性，实现了与同规模自回归模型相当的质量并优于先前扩散模型。
Squeeze Evolve: Unified Multi-Model Orchestration for Verifier-Free Evolution
Squeeze Evolve：无验证者演化的统一多模型协调
机构 * UC Berkeley（加州大学伯克利分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； Together AI
AI总结 本文提出Squeeze Evolve框架，通过动态分配模型能力提升无验证者演化的多样性与效率，实验证明其在多个基准测试中显著降低成本并提升性能。
Comments 40 Pages, Project Page: https://squeeze-evolve.github.io/
Greater accessibility can amplify discrimination in generative AI
更大的可及性可能放大生成AI中的歧视
机构 * Trustworthy AI Lab, University of Hamburg（可信AI实验室，汉堡大学） ； NALA Group, JGU Mainz（NALA集团，吉森大学） ； Cornell University（康奈尔大学） ； Together AI ； Allen Institute for AI（人工智能研究院） ； CU Boulder（博尔德大学）
AI总结 研究发现语音交互虽提升可及性，但会因语音携带身份线索而加剧性别偏见，提出通过音调调节可缓解歧视问题。
Comments Preprint
CARE: Covariance-Aware and Rank-Enhanced Decomposition for Enabling Multi-Head Latent Attention
CARE: 一种考虑协方差和增强秩的分解方法，以实现多头潜在注意力
机构 * University of Sydney（悉尼大学） ； King Abdullah University of Science and Technology（卡布斯大学） ； Together AI ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 CARE通过考虑激活协方差和增强秩，改进了多头潜在注意力的转换，减少了KV缓存成本并提升了表达能力，实验表明其在多个模型上表现更优。
Comments Accepted at ICLR 2026. Conference paper. 10 pages main text; 34 pages total including references and appendix. 11 figures and 20 tables in total
FlashAttention-4: Algorithm and Kernel Pipelining Co-Design for Asymmetric Hardware Scaling
FlashAttention-4：异构硬件扩展下的算法与内核流水线协同设计
机构 * Princeton University（普林斯顿大学） ； Meta ； Colfax Research（Colfax研究公司） ； NVIDIA（NVIDIA公司） ； Georgia Tech（佐治亚理工学院） ； Together AI
AI总结 FlashAttention-4通过异构硬件扩展下的算法与内核流水线协同设计，提升B200 GPU上的注意力计算效率。
When Does Divide and Conquer Work for Long Context LLM? A Noise Decomposition Framework
当分治策略在长上下文LLM中何时有效？一种噪声分解框架
机构 * University of Chicago（芝加哥大学） ； Together AI ； Duke University（杜克大学） ； Google DeepMind（谷歌DeepMind） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种噪声分解框架，分析了长上下文LLM中分治策略的有效条件，揭示了任务噪声、模型噪声和聚合噪声的区分，并通过实验验证了多代理分块策略在处理长上下文任务中的有效性。
Comments ICLR 2026
Learning to Discover at Test Time
在测试时间学习以发现
机构 * Stanford University（斯坦福大学） ； NVIDIA（英伟达） ； Astera Institute（Astera研究院） ； UC San Diego（加州大学圣地亚哥分校） ； Together AI
AI总结 通过在测试时间进行强化学习，TTT-Discover方法在多个科学领域实现了新的前沿状态，利用开放模型和公开代码实现高效解决方案。
Comments Code: https://github.com/test-time-training/discover
What LLMs Think When You Don't Tell Them What to Think About?
当你不告诉LLMs该思考什么时，它们会想什么？
机构 * Together AI ； Stanford University（斯坦福大学）
AI总结 研究揭示了LLMs在无明确主题输入下生成内容的分布特征，发现不同模型家族存在显著的主题偏好和内容深度差异，并公开了相关数据集和代码。
Comments NA
