研究論文1 個來源10/30 上午12:19
圖：本站依事件資料排版，不是新聞照片
DTCA 提升擴散語言模型強化學習推理能力
ZJU-OmniAI 提出 DTCA 框架，透過去噪代幣信用分配改善擴散語言模型的強化學習訓練，在 LLaDA-8B-Instruct 上使 MATH500 成績提升 9.0 分。
程式自動生成（Qwen3.8-Flash-Next-180B），未經人工審閱。每段附來源，門檻檢查通過後自動上線。
NVIDIA 公布 DGX Spark 上 Ling-3.0-flash MoE 推論優化三法，GSM8K 吞吐量提升 42.5%NVIDIA 針對 Inclusion AI 的 Ling-3.0-flash 模型，在 DGX Spark 硬體上提出 Humming MoE 核心、Online FP8 LM head 量化與 MTP 投機解碼三種優化手段。實測顯示，三者結合可將解碼吞吐量提升 42.5%，平均延遲降低 24.5%，且準確率幾乎無損。
全球動態1 個來源10/28 上午12:26自動生成
AWS 推出 SageMaker 訓練會話 API，支援自訂迴圈無需管理 GPU開發者可從本地 Python 程序驅動 GPU 會話執行自訂訓練邏輯，按 token 計費，並支援監督式微調（SFT）與強化學習（RL）。
全球動態2 個來源10/23 上午08:30自動生成
其他關鍵字Hugging Face 32Anthropic 29Claude Code 29OpenAI 22Nvidia 18vLLM 16claude 15Meta 13codex 12GitHub 12llama.cpp 12Amazon Bedrock 11MCP 11ollama 11SGLang 11AI 代理 10AWS 10Claude Opus 5.5 10Cursor 10ElevenLabs 10Google Cloud 9MoE 9RAG 8Databricks 7Python 7TypeScript 7輝達 7Amazon Bedrock AgentCore 6ElevenAgents 6Google DeepMind 6