新在线策略蒸馏方法：教师是方向而非终点，学生可匹配或超越教师
一种新的在线策略蒸馏方法通过外推 RL 引发的表征残差，让学生在四组模型对上匹配甚至超越教师模型。该方法将教师视为方向而非终点，代码和 checkpoint 计划发布。
#开源/仓库
#开源/仓库
X：AK (@_akhaliq)AI 评分 X：ARC Prize (@arcprize)AI 评分 ARC Prize 2026：ARC-AGI-3 Milestone #2 三位获奖者开源方案
ARC Prize 公布 2026 年 ARC-AGI-3 Milestone #2 三位获奖者，均开源了各自得分最高的解法：Daniel Franzen 以 27.9% 获 2.5 万美元，Lord Han Solo 以 23.8% 获 7500 美元，Lohit Siriki 以 22.5% 获 5000 美元。
X：ARC Prize (@arcprize)AI 评分 ARC Prize 2026：ARC-AGI-3 里程碑 #2 获奖者公布
ARC Prize 2026 公布 ARC-AGI-3 里程碑 #2 的三位获奖者，均开源了各自得分最高的解法：Daniel Franzen 以 27.9% 获 $25K，Lord Han Solo 以 23.8% 获 $7.5K，Lohit Siriki 以 22.5% 获 $5K。
TechCrunch · AIAI 评分 AWS 发布开源决策模型 Strands Decider 2B，对标 TypeSafe 的 Jev
AWS 发布开源决策模型 Strands Decider 2B，基于 Qwen3.5-2B 构建，可在本地运行，用于在预设选项中快速做出选择并给出置信度评分。该模型由 AWS 杰出工程师 Marc Brooker 受 TypeSafe 的 Jev 启发开发，曾在同尺寸模型的 Jevbench 排名中登顶。
X：Peter Steinberger (@steipete)AI 评分 Muse 发布开源 ESP32 固件与 Linux SDK Muse Gadgets
Muse 推出开源项目 Muse Gadgets，包含 ESP32 固件和 Linux SDK，开发者可从 gadgets.muse.ai 获取 API token，并用编码智能体基于 GitHub 仓库为 Muse 构建外设。
X：Francois Chollet (@fchollet)AI 评分 Keras 社区会议纪要：可插拔后端计划、MLX 与 PaddlePaddle 后端、KerasHub 新模型
Keras 社区会议公布可插拔后端计划，MLX 和 PaddlePaddle 后端即将推出，新后端将以附加库形式安装。Keras 将减少新后端所需的算子数量，为所有次要算子添加后端无关实现，并统一新算子的单元测试工具，单个测试框架即可验证类型转换一致性等功能。KerasHub 新增大量模型，并将从 tf-text 预处理迁移至 PyGrain。
Hugging Face BlogAI 评分 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，权重与训练数据一并开放。
X：ARC Prize (@arcprize)AI 评分 ARC Prize 公布 Qwen3.8-27B 的 ARC-AGI 测试结果
ARC Prize 公布了 Qwen3.8-27B 在 ARC-AGI 上的完整测试结果，并同步给出排行榜、公开结果复现方式与测试政策。相关结果可在 ARC Prize 排行榜查看，复现脚本托管于 arcprize/arc-agi-benchmarking 仓库。
X：面壁智能 OpenBMB (@OpenBMB)AI 评分 面壁智能 OpenBMB 推出 Diffusion Reward Models（DRM）：学习完整奖励分布而非单一分数
面壁智能 OpenBMB 发布 Diffusion Reward Models（DRM），不再把人类偏好压缩成单一分数，而是学习完整奖励分布，保留分歧、不确定性与多种可能判断。
X：fal (@fal)AI 评分 Blendi 开源 Dioramas：可交互 3D 网站框架，含 20 个示例站点
Blendi 开源了 Dioramas，一个用于电影感交互式 3D 网站的框架，完全免费、无需注册，附带 20 个完整示例站点，每个围绕一个可触摸的交互（如提灯探索博物馆、启动机甲、敲开晶洞）。
X：AK (@_akhaliq)AI 评分 typesafe 发布 WorkflowEvals 评测集，并公开复现仓库与反 benchmaxxing 博客
typesafe 在 Hugging Face 上线 WorkflowEvals 评测集，同时公开 GitHub 复现仓库和一份名为 evalsafe-onet 的附加数据集。配套博客以 anti-benchmaxxing 为主题，讨论基准刷分问题。
X：面壁智能 OpenBMB (@OpenBMB)AI 评分 清华NLP等提出 One-Shot OPD：训练集缩到一条 query，仍拿下全量 OPD 87% 的增益
清华NLP（OpenBMB 成员）联合中科院大学、东北大学、UIUC 和约翰霍普金斯大学提出 One-Shot OPD，把 on-policy distillation 的训练集压缩到一条 query。
X：Unsloth (@UnslothAI)精选AI 评分 Unsloth 发布 Qwen-Image-2.1 GGUF，12GB 显存可本地运行
Unsloth 发布 Qwen-Image-2.1 的 GGUF 量化版本，可在 12GB 显存下本地运行，7B 模型表现与 Nano Banana 2.0 相当。
推荐理由：Unsloth 给出 Qwen-Image-2.1 的本地量化运行方案与显存门槛，可据此判断本地部署成本。
Microsoft ResearchAI 评分 微软开源逆合成模型 RetroChimera，成果登上 Nature
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型用学习式重排序整合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，在盲测中化学家更偏好其单步反应预测；十个挑战性目标的多步路线中 RetroChimera 成功九个，优于 de novo 模型的五个、编辑模型的四个和 NeuralSym 的两个。
X：MiniMax (@MiniMax_AI)精选AI 评分 MiniMax Code CLI v0.4.12 开源，MIT 协议发布并在 FrontierHarness Eval 取得 SOTA
MiniMax 将 MiniMax Code CLI v0.4.12 面向全球开发者开放，并以 MIT 协议开源。官方称该工具在 FrontierHarness Eval 上取得了 state-of-the-art 的通过率。
推荐理由：MiniMax 把 Code CLI 以 MIT 协议开源并给出 FrontierHarness Eval 成绩，读者可据此判断其编码工具链的开放程度。
X：World Labs (@theworldlabs)AI 评分 开发者用 World Labs Marble 世界制作高斯泼溅浏览器游戏 demo，并发布技术讲解视频
开发者 Isaac Mason 用 three.js + spark + crashcat + navcat，在 World Labs Marble 生成的世界里做了一个高斯泼溅浏览器游戏 demo，并发布在 World Labs 的 YouTube 频道。
X：Fei-Fei Li (@drfeifei, World Labs)AI 评分 SparkJS 2.2.0 发布：splat 排序提速 20%，包体积缩小 50%
SparkJS 2.2.0 发布，splat 排序速度提升 20%，部分系统 FPS 提升 14%，打包体积缩小 50%，并包含大量 bug 修复与改进。该版本还支持直接从仓库安装预构建 bundle，无需在本地配置 Rust 工具链。完整变更日志已在 GitHub 发布。
X：商汤 SenseTime (@SenseTime_AI)AI 评分 商汤开源 SenseNova Skills 智能体办公技能套件
商汤发布开源智能体办公技能套件 SenseNova Skills，将 Deep Research、数据分析、PPT 生成和信息图生成整合在一起，可直接把原始数据处理成可编辑的 .pptx 文件。
X：Unsloth (@UnslothAI)AI 评分 Unsloth 让 GLM-5.3-Flash 本地推理提速 3.3 倍
Unsloth 宣布 GLM-5.3-Flash 本地 GGUF 推理提速 3.3 倍，整体区间为 1.6–3.4 倍，来自优化解码并额外支持多 token 预测。
Microsoft ResearchAI 评分 微软 GigaPath-Flash 与 GigaTIME-Flash：面向人群规模发现的高效病理基础模型
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理基础模型算力需求，并以 Apache 2.0 许可开放。
X：Unsloth (@UnslothAI)精选AI 评分 Unsloth 将 GLM-5.3 量化至 239GB，可在 256GB Mac 本地运行
Unsloth 发布 GLM-5.3 的 2-bit 量化版本，体积从 1.51TB 压缩到 239GB，减少约 83%，精度保留约 81%，可在 256GB Mac 或相应 RAM/VRAM 配置上运行。
推荐理由：原文给出量化后的体积与精度保留比例，读者可据此判断本地部署 GLM-5.3 所需的硬件门槛。
X：Unsloth (@UnslothAI)精选AI 评分 Unsloth 发布 GLM-5.3-Flash GGUF，可在 128GB 内存本地跑 3-bit
Unsloth 发布 GLM-5.3-Flash 的 GGUF 量化版本，可在 128GB 内存上以 3-bit 精度本地运行，并提供了部署指南与 Hugging Face 仓库地址。
推荐理由：Unsloth 放出 GLM-5.3-Flash 的 GGUF 量化版本，并给出 128GB 内存跑 3-bit 的本地部署路径。
Import AIAI 评分 Import AI 470：机器不应享有权利；SPADE 自动生成训练环境；Hawkeye 优化 GPU kernel
METR 分析发现 AI 对科研的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域贡献有限，AI 研究本身的算法进展则未见可测加速。多校团队提出 SPADE 框架，让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上使游戏环境套件均分达 58.3，较基线提升 8.1。