Reflection AI 发布开源权重模型 Beam，面向智能体编码
Reflection AI 发布开源权重模型 Beam，用于智能体编码和长周期任务，总参数 501B、激活参数 23B，报告有效上下文长度 100 万 token。
推荐理由：原文给出 Beam 的参数量、上下文长度和三种精度检查点，并附 AWS 两条部署路径，可据此评估自托管成本。
#开源/仓库
AWS Machine Learning Blog精选AI 评分6565 The Decoder精选AI 评分8080 Meta 发布 Muse Spark Open 开放权重模型，816B 参数、支持百万 token 上下文
Meta 发布开放权重模型 Muse Spark Open，总参数 816B、激活参数 42B，支持最高一百万 token 上下文和文本、图像、视频、音频输入。
推荐理由：Meta 重返开放权重赛道，读者可对照其参数规模、上下文长度与竞品基准表现判断定位。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，用约 3500 行代码实现完整的智能体强化学习控制平面，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，读者可了解它如何让部署中的 harness 直接参与训练。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 自主模糊测试流水线
GitHub Security Lab 发布 Fuzzing Taskflow，这是一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，再对每个崩溃做分类并生成漏洞报告。
推荐理由：作者公开了这套自主模糊测试流水线的架构与运行方式，读者可据此判断哪些人工环节能交给 LLM 智能体。
Berkeley AI Research精选AI 评分6060 K-Search 从 CUDA 迁移到 MLX，为 Apple Silicon 生成高性能内核
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX，通过结构化的 CUDA-to-MLX 翻译层让已有 CUDA 内核经验适配 Apple Silicon。
推荐理由：读者可以看到 CUDA 内核经验如何被结构化翻译成 MLX 优化策略，以及翻译层对最终性能的具体贡献。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中大规模识别驱动 LLM 输出的关键交互。
Berkeley AI ResearchAI 评分3838 基于信息量的成像系统设计框架：Berkeley 提出用互信息直接评估与优化成像系统
Berkeley AI Research 提出一种基于互信息的成像系统评估与优化框架，可直接从带噪测量中估计信息量，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证，信息估计能预测解码器性能，优化后的设计达到端到端 SOTA 方法水平，同时所需内存和算力更少。该成果发表于 NeurIPS 2025。