WAMJET：加速世界动作模型推理的智能体框架
WAMJET通过编码智能体分析、修改并验证世界动作模型的推理优化代码，以持续适应主要性能瓶颈。基于论文摘要，实验覆盖6个世界动作模型、3个编码智能体和2种GPU架构，相较上游实现最高实现9.95倍无损加速；近似与硬件感知优化还能进一步降低延迟，同时保持相近的成功率。
动态展示门槛：AI 前沿与应用 ≥ 65 分，量子方向 ≥ 60 分；已确认精选照常展示。
#部署/工程
arXiv · cs.AI arXiv · cs.AI NeMo-DCR：面向万亿参数规模智能体强化学习的位精确增量压缩重拟合
论文摘要介绍 NeMo-DCR，用于在训练与 rollout 分离的智能体强化学习中同步 30B 至 1T 参数模型。作者称该方法仅传输变化，并通过 XOR 掩码、覆写、原地应用、重试和联合提交实现与完整检查点一致的参数位与缓冲区位；跨 AWS 区域完整 1T 重拟合需 87.5 分钟，而 3% 变化率下采用 relay tree 的 1T 重拟合用时 150 秒。
arXiv · cs.AI TIDE 2.0：面向临床笔记密钥化去标识的开源、模型无关引擎
TIDE 2.0 是 MIT 许可的模型无关临床笔记去标识引擎，将可替换识别器与密钥化匿名器分为两个阶段，并支持在机构自有硬件上运行。方法用密码学生成替身且不存储关联表，通过按患者保留时间间隔的日期偏移保持纵向分析所需关系。
Google Research精选 Google Earth AI用行星地理空间基础模型支持全球公共卫生研究
Google Earth AI以Population Dynamics Foundation Model（PDFM）验证地理空间基础模型可作为公共卫生模型的即插现用输入。
本站判断：文章展示地理空间基础模型作为即插即用输入，在五类公共卫生任务中接受跨地区评估，并披露误差、预测与资源规划方面的量化变化。
Anthropic · Engineering Blog精选 Anthropic量化智能体编码评测中的基础设施噪声
Anthropic发现，基础设施资源配额可使Terminal-Bench 2.0成功率相差6个百分点，说明智能体编码评测分数会混入运行环境因素。实验保持同一Claude模型、评测框架和任务集，仅改变资源配置；资源余量从严格限制提升至无上限时，基础设施错误率由5.8%降至0.5%，总成功率提高6个百分点，但在3倍余量内分数变化处于噪声范围。
本站判断：Anthropic通过Terminal-Bench 2.0和SWE-bench对照实验说明，资源配置会改变智能体编码评测结果，并给出控制评测变量的具体做法。