后训练预算与集群升级，运行证据也是交付物

训练预算与能耗｜把成功完成任务作为计量单位

CERO 将 RL 后训练的 rollout 分配放到整个训练周期内，联合决定选择哪些 prompt、何时再次访问，以及每轮生成多少组响应。它根据奖励变化和预算偏差调整 prompt 优先级与共享预算价格，实验中每个入选 prompt 的响应组大小保持固定。编辑判断是，训练平台除了记录累计样本数，还应保存样本选择与预算消耗的时间分布，才能解释同一总预算产生不同结果的原因。作者的数学推理实验匹配训练响应数量，但这不等于匹配生成 token 数、GPU 时间或实际费用；理论保证针对凹代理效用，并包含代理偏差与变化率条件，不能直接推导生产集群利用率收益。

发布日期：2026-10-07。来源 A 级：CERO 原论文。

ActTune 把类似的计量变化带到视觉—语言—动作模型：联合选择动作相关的层级精度与 GPU 频率、功耗上限，目标是降低每次成功任务的 GPU 能耗。决策树在策略调用前选择精度配置，共享驻留权重库支持切换，控制器按预测负载异步调整工作点。

其验证使用 RTX A6000、OpenVLA-OFT 与 π₀.₅，以及 LIBERO 模拟闭环任务。对运行时的启示是，量化误差、动作成功率和响应变慢应一起核算；单次调用省电不能自动说明任务更省电。实验能耗包含 GPU 渲染与调用间隔，却不含 CPU；延迟口径也不含加载、编译、RPC 和模拟过程，不能据此宣称整台机器人的能耗改善。

发布日期：2026-10-06。来源 A 级：ActTune 原论文。

推理与 Agent 平台｜减少工作之后，还要管理提交和证据

vLLM 团队对 DeepSeek-V4.1-Flash 的工程总结展示了模型结构与运行时共同优化的路径：SWA bounded replay 缩短滑动窗口重建，缓存全局 KV；配合 CUDA graphs、DeepSeek 新 kernel、算子融合与多流重叠，处理裁剪后的计算与提交开销。

低延迟场景和高吞吐场景使用不同并行与 attention 路径，说明减少计算后还需要重新选择执行方案。编辑判断是，服务评审应把请求并发、会话缓存局部性和 GPU 提交成本一起保存为配置，而不能只按模型名称比较。bounded replay 不保证逐位一致，质量结果受文中基准范围限制；性能比较针对 AgentX 负载和初始实现，不能转写为任意 Agent 应用的加速保证。

发布日期：2026-10-07。来源 B 级：vLLM 维护者工程发布。

Cloudflare 的安全运营 harness 则把“模型分析什么”固定在应用层：确定性代码先收集带来源、版本和时间的证据快照，再让专职 Agent 分析，合成 Agent 只能使用已准入的证据与分类词表。Workers 和 Workflows 执行范围核验与分阶段恢复，D1、R2 保存状态和工件；来源超时会记录缺口，并区分未检查、检查无匹配、证据支持不存在。

对 FDE 与平台团队的启示是，可重放输入和显式失败状态能让模型差异与检索差异分别被评估。该能力目前是 Managed Defense 面向合资格告警的早期 beta，分析员仍负责判断和缓解；文章没有提供可普遍外推的准确率或节省工时基准，不能把证据校验视为结论必然正确。

发布日期：2026-10-07。来源 B 级：Cloudflare 官方工程材料。

GPU 基础设施｜版本契约与运行验证开始合并交付

NVIDIA AICR 的首个稳定版本明确 CLI、REST API、Go SDK 与 bundle、工件 schema 的兼容契约，并把升级检查延伸到实际安装状态与可能被破坏的资源。其验证新增 Slurm 作业 GPU 访问隔离检查，并核验声明的 GPU 网络能力，而不只检查对象是否存在。

Snapshot、Recipe、Bundle 和 Validation 分别记录现状、锁定目标组合、生成部署工件、验证运行集群，部署仍由既有工具执行。编辑判断是，GPU 平台升级应交付组件组合与对应环境的验证证据，避免把安装成功当成能力验收。

稳定接口和签名只能帮助追踪兼容性与证据出处；其他 GPU、网络、操作系统或 Kubernetes 组合仍需核对实际覆盖。版本发布：2026-10-05（UTC）；工程说明：2026-10-06；近期补充。来源 A 级：AICR v1.0.0 原始版本记录；来源 B 级：AICR 官方工程说明。

NVIDIA 同期给出的 DSX Air 与 Brev 工作流把基础设施验证提前到硬件到场之前：逻辑数字孪生提供受支持的拓扑、软件和 API 行为，Brev 提供实际运行 AI 服务的 GPU 资源，Agent 在限定目标下执行检查并返回有证据的变更建议。

它可以纳入 CI/CD，覆盖配置、集成与策略验证，但性能、电力和内存预测需要另外选择适用模型或真实测量。编辑判断是，产业基础设施的交付应说明哪些结论来自逻辑接口执行，哪些来自容量模型，哪些已经由物理集群验证。该工程方案不能代替全部仿真技术，也没有证明任意网络或负载的生产性能；孪生中的检查通过后，生产推广仍取决于策略、审批及模拟与实测之间的差距。

发布日期：2026-10-07。来源 B 级：DSX Air 与 Brev 官方验证工作流。

科研评测｜执行协议和证据缺口会改变模型排名

ProtocolMatch 在驱动量子自旋的受控任务中比较循环、attention 与低秩预测模型，考察观测历史、数据规模、预算和反馈方式如何改变选择结果。持续以真实状态刷新输入，与将预测反馈给下一步，测量的是不同执行能力；作者分别报告预测误差、物理一致性和分布偏移后的可靠性，并保留数值爆炸与基础设施失败。

编辑判断是，科研平台应将模型、观测协议、rollout 方式和失败口径共同纳入验收，避免用一种反馈条件的排名替代另一种。证据来自 2、4、6 自旋模拟，尚不足以推导所有科学任务的架构优劣；论文 checklist 也明确没有公开代码、数据或复现实验 URL，当前应作为方法研究看待。

发布日期：2026-10-07。来源 A 级：ProtocolMatch 原论文。

ArcticQA / ArcticAbstain 从另一侧检查科学证据条件：194 个问题分别设置正确选项存在与被移除的配对条件，八个模型在相同提示下多轮作答，比较拒答、错误作答和非拒答准确率。公开工件包含配对条件、响应与表格复算工具。编辑判断是，高拒答率本身不能证明模型识别了知识缺口，平台还要检查证据改变后行为是否随之改变，以及答案存在时是否错误拒答。其数据由模型生成并自动校验，没有样本经过领域专家审阅，残余错误率也未测；显式提供拒答选项的多选题结果不能外推到开放式科研任务的自发拒答。

发布日期：2026-10-07。来源 A 级：ArcticQA / ArcticAbstain 原论文、作者公开数据与复算工具。