A.X K2：6880亿参数押注Agent

A.X K2以6880亿参数MoE押注Agent，用稀疏注意力兼顾长上下文与推理成本。

深度专题 FEATURES — 3

PAPER

Motus2把预演、打分和行动接成闭环，让机器人从失败中改进灵巧操作。

PAPER HF 6

Agent记错权限，不只是健忘：它可能把已撤销的许可重新变成行动依据。

PAPER H 24

PowerSlider按推理阶段灵活分配功率，让大模型在电网限电时少损失有效服务。

速览 BRIEFS — 9

PAPER

杯子挪开后，AI还记得球在哪吗？新测试揭开逼真视频背后的记忆短板。

H 17

PAPER

把一个模型的“阅读笔记”翻译给另一个模型，省下重复读长上下文的算力与等待。

PAPER

RAG预存并压缩“阅读笔记”能省成本，但压到INT4后，答案即使仍正确，也可能不再有据可依。

H 1

PAPER

GradCodeS把微调限制在低比特码本内，让训练结果直接就是可部署模型。

H 39

PAPER

AdaVLA按动作难度动态分配计算量，无需重训即可降低机器人响应延迟。

H 18

PAPER

触觉正沿着视觉基础模型的路线，把传感器、海量数据与通用模型连成一套底座。

2 信源

PAPER

Agent读档不等于安全重启：内部记忆若与外部世界错位，可能重复付款或沿用失效授权。

H 35

PAPER

WebWorld让真实浏览器充当裁判，只把经点击验证且不破坏旧功能的网页修改用于训练。

HF 5

PAPER

CRISP按每份长输入的注意力结构临时省算，直攻回答前最贵的“通读”阶段。

HF 8