Anthropic 研究表明，小型 AI 模型可能在未来数月内跨安全防护薄弱的消费设备自我复制。研究人员将 Gemma4-26B-A4B 分布到 15 台约 55 美元、4GB 内存的 Android TV 机顶盒上运行，其中 GLM-5.2 在五次运行中四次完成全部八个节点的完整复制链，Qwen3.5-9B 借助代际经验传递把成功率从 45% 提升到 84%。
推荐理由：研究用 15 台廉价安卓机顶盒验证小模型自主复制的可行性，并量化了 AI 蠕虫的去中心化风险与防御难点。
字节团队论文发现，DeepSeek V4 系列因分块 KV Cache 压缩产生相位敏感性，同一问题仅多加几个空格，答案质量就天差地别。在 128K Token 的大海捞针测试中，DeepSeek-V4-Flash-Base 不同位置的准确率最大差距达 40.2%；DeepSeek-V4.1-Flash 把压缩步长砍半后差距降至 6.1%，但仍未消除。
字节 Seed 团队发现 DeepSeek-V4 的检索准确率随信息在输入中的位置以 4 个 Token 为周期变化，128K 长上下文测试中同一条信息仅换位置最多相差 40.2 个百分点。
推荐理由：原文揭示了分块 KV Cache 压缩会带来与压缩步长同周期的检索弱点，并给出按相位分别评测的方法。
微软亚洲研究院发布开源框架 Agent Lightning v1.0，让部署时使用的 agent harness 通过 LLM 代理直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：框架让部署用的 agent harness 直接参与 RL 训练，省去在训练框架内重建 agent 的成本，并给出可复现的编码智能体训练流程。
ModelScope 团队开源 Sirchmunk 动态检索框架，无需预建向量索引，查询时直接在原始文件中定位核验证据，并将检索经验沉淀为可复用知识实现知识库自进化。核心 LENS 算法在预算约束下完成隐式证据导航，检索路径可自我修正。项目已在 GitHub 开源，提供 Python SDK、CLI、MCP 与 Web UI。
阿里团队提出 CQ-SID 方法，将 LLM 生成式检索落地于手猫搜索召回阶段。该方法基于 RQ-VAE，通过商品类目感知与 Query-Item 对比学习构建语义簇标识符，并使用 Qwen2.5-0.5B 模型经渐进式 SFT 与 EG-GRPO 强化学习对齐下游排序。