上下文语言模型：通过自主管理上下文提升性能、降低计算成本
Meta、麻省理工学院与华盛顿大学的研究人员提出上下文语言模型（CLM），一种使语言模型能够自主管理和编辑自身上下文的新方法。该方法在性能和计算效率方面均取得显著提升，并探索了三种不同的上下文管理方法。
推荐理由：该研究提出了上下文语言模型，通过自主管理上下文提升性能和降低计算成本，对语言模型领域有重要意义。
#部署/工程
#部署/工程
今日 0 条InfoQ中文精选AI 评分7575
Microsoft ResearchAI 评分3636 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院实习生开发了一套机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的区域性空间天气风险估计。
Microsoft Research精选AI 评分6262 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧推理与卸载推理的差异，并给出可复用的 Kubernetes 卸载工具链。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为解耦的计算岛并异步传输数据，从而隔离局部硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并自动重新接入，用 Gemma 4 模型验证其基准 ML 性能与传统训练方法持平。
推荐理由：原文给出分布式训练在带宽、故障隔离和跨代硬件上的实测结果，可据此判断大规模预训练基础设施的演进方向。
OpenAI NewsAI 评分1919 OpenAI 发布块稀疏 GPU 内核
OpenAI 发布面向块稀疏权重神经网络的高度优化 GPU 内核，按所选稀疏度可比 cuBLAS 或 cuSPARSE 快数个数量级。该内核已用于文本情感分析以及文本和图像生成建模，并取得当前最优结果。