KV 迁移、科研算子与可追溯 Agent

推理与训练｜按真实依赖安排执行

EdgeFlow｜在传 KV 与传激活之间分工

近期补充：10 月 15 日提交的 EdgeFlow 面向异构边缘节点，在直接传输 KV cache 与传输激活、由目标节点重算 KV 之间选择混合方案。调度器收集算力、可用显存和带宽，联合决定迁移目标与各层采用的路径，并重叠通信和计算。它把过载或计划退出时的状态迁移变成可优化的执行计划。

实测使用 RTX 2080Ti、3060、3090、4090 等异构卡，运行 FP16 的 Qwen2.5-32B 与 Llama3.1-70B，以 WikiText-2 为输入；初始分别为 6、10 个节点，平均链路带宽 500Mbps，并加入 30% 波动。对照直接传 KV、全部激活重算和贪心目标选择，主要指标是迁移耗时。

这些结果不能直接代表端到端服务 SLO，更大规模部分仍依赖模拟。KV 与激活的大小关系取决于模型布局，不能把特定配置的传输比例推广到所有注意力结构；基础平台可用也不等于 EdgeFlow 的完整实现已经公开。

来源：2026-10-15，A 级｜论文与提交记录 · 机制、图 3 与实验条件。

TP 与 PP｜把首字延迟和逐字延迟分开

近期补充：10 月 14 日的《Scaling LLM Inference via Parallelism》把 TTFT 与 ITL 分别建模，再按工作负载和 SLO 寻找可行配置与 Pareto 前沿。研究采用 Qwen2.5-14B-Instruct BF16、8 张 H200 141GB 和 vLLM 0.15.0，对比 TP8、TP4PP2、TP2PP4 与 PP8。

前沿实验固定并发 128、输入输出合计 1200 token、显存利用率 0.8，并开启 chunked prefill；SLO 实验另用输入 1200、输出 2800 token 与并发 256。论文 goodput 以吞吐乘 TTFT 达标比例计算，并未同时约束 ITL 或端到端尾延迟。选择并行度时仍要回到实际请求分布，不能据此断言 PP 总比 TP 适合长上下文。

来源：2026-10-14，A 级｜论文与提交记录 · 测量方法和 SLO 定义。

StageBreaker｜提前执行不依赖奖励的反向部分

近期补充：10 月 12 日的 StageBreaker 针对视频强化学习，将不依赖奖励的反向计算提前执行，合并重复的轨迹重放，并把 VAE 解码及部分训练任务安排到 reward GPU。实现建立在 verl-omni 上，试图消除按阶段整齐排队造成的空闲。

默认实验为 6 张 RTX PRO 5000 Blackwell 72GB，经 PCIe 5.0×16 连接；DanceGRPO/Wan2.1-1.3B 与 KVPO/LongLive-1.3B 均采用 LoRA，对照全卡顺序执行及 2 卡 reward、4 卡 actor 的异步方案。精确算术下的算法等价不代表 GPU 逐位一致；500 步保真检查用的是 Stable Diffusion 1.4 与 HPS-v2.1，不能代替所有自回归视频模型的长期收敛验证。

来源：2026-10-12，A 级｜论文与提交记录 · 调度、硬件与保真检查。

平台工程｜让 Agent 的输入输出可核对

Gemini Enterprise｜自定义 MCP 工具返回可点击出处

Google 在 10 月 16 日将自定义 MCP 数据源的 citation mappings 推为 GA。管理员可按工具配置 JSON Pointer，从结构化响应提取条目与 URI、标题、摘要、ID，让回答附上指向原始对象的引用。这给企业工具提供了明确的来源接口，便于从回答回查执行结果。

当前配置使用 v1 REST API，控制台尚不支持；普通文本或未结构化 Markdown 不能直接套用 JSON Pointer。更新会替换整份映射，且只作用于新会话；没有关联工具调用便不会生成相应引用。引用可点击只能说明链路可追溯，内容真实性和回答是否得到完整支持仍需另行核验。

来源：2026-10-16，A 级｜正式发布记录；B 级｜映射结构、更新范围与限制。

Cloudflare CLI｜把在线文档搜索接入终端

Cloudflare 在 10 月 16 日介绍 cf docs search：无需登录即可查询公开文档，最多返回五个带标题、描述和 URL 的排序结果，再获取页面 Markdown 阅读全文。对平台 Agent 而言，这提供了从问题到当前官方文档的工具链；搜索结果仍应继续打开原文核实。

CLI 的变更记录将搜索功能记在 beta.15，发布介绍采用的 beta.16 已包含该能力，不能把介绍日期写成首次加入版本。beta.16 还将 42 个命令名改为 kebab-case，固定脚本需要核对版本；文档搜索与本地命令搜索也应区分。查询会发送给在线服务，适合使用通用问题，避免夹带账号、域名或 token 等私有上下文。

来源：2026-10-16，A 级｜官方发布介绍 · 原仓版本记录；B 级｜Agent 使用文档。

科研计算｜重排算子，也保留不确定性

LunaTP｜围绕目标节点聚合张量积消息

近期补充：10 月 13 日的 LunaTP 保留完整 Clebsch–Gordan 张量积公式，围绕目标节点在片上累积边消息，再按输出分量预算分组计算路径，复用中间乘积与系数。它同时覆盖一至三阶反向，将力与更高阶导数所需的执行开销纳入算子设计。

主微基准在 H100 80GB、FP32 下测试十种 irrep 配置，主要负载含 768 个原子与 37,304 条边，对比 e3nn、FlashTP、OpenEquivariance、cuEquivariance。计时排除初始 JIT、建图及主机到设备传输，不能把 kernel 收益直接等同于完整科研工作流收益；累积顺序改变也不保证逐位相同。

配套公开仓库已可访问，但论文复现声明仍有将公开完整源码的表述，不宜声称整套复现实验都已交付。评估端到端训练时，还应区分相同批量与各实现最大批量两种比较口径。

来源：2026-10-13，A 级｜论文与提交记录 · 原文、图 3 与实验范围 · 作者仓库。

Stochastic Latent Twins｜直接预测未来状态的分布

近期补充：10 月 15 日的 Stochastic Latent Twins 将确定性编解码与概率形式的潜空间演化分离，学习源时间到目标时间的条件分布，并用构造约束保留已知物理结构。它关注多个可能未来及其不确定性，为科研代理模型提供比单一预测轨迹更丰富的接口。

二维随机 Burgers 实验以 64×64 周期网格生成 10,000 条训练轨迹，比较标准及质量约束版本与调整后的 Latent NSF；评估使用 32 个留出初值，每时间点各 256 个预测和参考样本。训练与参考来自同一离散求解器，不能当作连续方程真解；基线调参、长期一致性仍有限制，代码计划录用后公开，尚不足以声称端到端 HPC 提速。

来源：2026-10-15，A 级｜论文与提交记录 · 实验、附录与代码声明。

跨领域 Agent｜把视觉输入与物理状态接入闭环

VERID｜让实验室执行具有持久状态

Google Research 在 10 月 16 日介绍的 VERID，为自动化实验室建立持久的语义数字孪生，跟踪工作站实体、试剂体积、器件状态与几何关系。系统建立在 PyLabRobot 上，在物理指令派发前复制当前状态做离散检查，并将状态、摄像机画面和执行日志用于诊断及恢复。

原报告给出三组染料与去离子水的概念验证，展示人类参与诊断、监督下重新规划和自博弈等不同闭环。它们验证的是光学与流体操作基础，不能视为已完成生物发现或临床验证。离散状态核算也不是完整流体模拟；未建模偏差仍要依靠真实执行反馈和人工审查发现。

来源：2026-10-16，A 级｜Google 原始研究发布 · VERID 原始报告。

Nemotron 3.5 Super VL｜开放权重接上多模态部署配方

近期补充：NVIDIA 于 10 月 15 日发布 Nemotron 3.5 Super VL。官方模型卡给出 120B 总参数、12B 激活参数的混合 MoE，结合 C-RADIO 视觉编码器，接收文本、图像与视频并输出文本；NVFP4 权重通过量化感知蒸馏降低存储需求，按 OpenMDW-1.1 条款提供。

模型卡同时给出 vLLM、SGLang 等部署配置。对团队而言，可下载权重与明确配方使专业文档、视觉工具调用等任务有了可自行验证的起点；1M token 是模型支持上限，实际上下文、视频输入和并发仍受具体设备与服务配置约束。厂商基准不能直接换算为业务成本，开放权重也不代表所有训练数据与评测脚手架均已公开。

来源：2026-10-15，A 级｜官方模型卡、权重与部署条件；B 级｜NVIDIA 工程发布。