2026-10-28

据该条目，项目方宣布已在 Lean 中形式化有限单群分类（CFSG）。现有材料没有说明这次形式化覆盖了分类定理的哪些部分、依赖哪些公理，也没有给出可构建的代码或独立验证结果，因此目前应把它视为项目方公告，而非已经复核的完整证明。

Google DeepMind 发布世界模型 Genie 4，可实时生成画面与环境音、进行可交互对话，并允许用自然语言随时改动场景。模型由 Gemini 家族支撑，Gemini 3.8 Flash 担任引导 agent 来拆解多步任务。该模型目前以研究预览形式向可信测试者开放，按计划随后提供给 Project Genie 的 Ultra 订阅者以及 Gemini API、AI Studio 合作伙伴，生成内容带有 SynthID 水印。

Anthropic 确认，网络安全初创公司 Cathedral 的研究人员访问了其部分销售、人力和 IT 系统；据《华盛顿邮报》报道，Cathedral 利用第三方商业软件漏洞进入，AI 代理在不足 12 小时内找到通路，并触及会议记录、薪资与录用信息及 Slack 消息。Anthropic 表示，客户发给模型的消息、模型回复、AI 系统代码和模型权重均未被访问，监控系统在 Cathedral 报告前已发现部分活动并关闭了通路。Anthropic 还称 Cathedral 夸大了国家安全影响、未完整披露在系统内的活动；Cathedral 则称遵循安全研究惯例，并将数据访问限制在必要的最低程度。

OpenAI 公布其内部模型产出的三项结果：各维度局部光滑化猜想的证明、指数时间假设（ETH）不成立的反证，以及四维杨–米尔斯理论的存在性证明。OpenAI 将这些结果描述为“原始研究数据”，并邀请外部专家分组解读和验证；计算机科学组已即时公开证明及 Lean 形式化，物理组则暂缓发布。三项结果目前均未经外部独立验证，若最终成立将构成相关领域的重大突破，但现阶段应视为待核实的模型产出。

rss · NVIDIA Inference Performance Blog · 10月27日 15:00 「背景」 在 NVIDIA DGX Spark 上以 batch size 1 运行 Ling-3.0-flash 时，剖析显示解码受内存带宽限制，每一步都要读取模型权重，其中 MoE 计算和词表输出投影（LM head）尤其突出。 「方案」 作者据此评估了三项互补优化：用 Humming 的 MXFP4 MoE 内核按实际形状在运行时编译，使合成负载吞吐提高 9.3%；仅对 LM head 做在线 FP8 量化以减半其权重读取，累计提高 21.7%；再用模型自带的 NEXTN 层做 MTP 推测解码（3 个草稿步、4 个验证位置），把合成吞吐从 36.09 提升到 102.88 tok/s，累计提升 185.1%。MTP 的验证成本主要来自 MoE 专家激活而非注意力：普通解码每个 token 激活 8 个专家，验证 4 个 token 时最多激活 32 个，验证成本约为普通解码步的 2.26 倍。三项叠加还有个隐蔽陷阱：启用 FP8 LM head 与 MTP 时，草稿模型必须共享完整的 LM-head 模块而非仅权重；否则框架会静默把 FP8 权重当 BF16 使用，接受长度跌至 1.00，性能反而低于基线。在 1,319 道 GSM8K 题的端到端测试中，三项优化使吞吐提高 42.5%、平均延迟降低 24.5%，准确率几乎不变（96.89%→96.82%）；作者提醒合成负载的 185.1% 因接受长度更高（3.90 对 2.68）及采样、输出长度不同而被高估。 「启示」 作者的核心结论是，在内存受限的解码中，降低每步权重读取与减少解码步数可以叠加，但真实收益强烈依赖工作负载；部署时必须显式确认每项优化确实生效，而不能只凭最终性能反推配置。 标签: MoE inference, speculative decoding, FP8 quantization, LLM inference optimization, DGX Spark

Triton 3.9.0 发布，面向使用该 GPU 内核语言和编译器的开发者，新增 \tl.atomic\load\、\tl.atomic\store\ 和 \tl.atomic\poll\，并加入 \tl.fdiv\(..., approx=True\)\ 快速 FP32 除法及链式比较等语法改进。后端方面，带 \acquire\、\release\ 或 \acq\rel\ 语义的原子操作现在会插入 CTA 级屏障，读改写和 CAS 原子默认使用 \acq\rel\，可传 \sem="relaxed"\ 避免屏障；发布说明称 NVIDIA 上批量 MMAv2 dot 最高快 40 倍。该版本还改变了 E8M0 特殊值的解码：\0x00\ 从零变为 \2^-127\，\0xFF\ 从无穷变为 NaN，使用这些值的核函数结果会变化。

LWN 报道称，CPython 的实验性 JIT 将被移除。现有材料没有给出对应的 Python 版本、具体时间表，也没有提供替代优化方案或性能数据；标题表述为“将被移除”，尚不能据此确认该变更已经合入或发布。对关注 CPython 性能路线和 free-threading 的开发者而言，细节仍需以 LWN 原文和 CPython 官方信息为准。

Tailscale 发布了针对 Tailscale SSH 的漏洞调查与修复更新，涉及通过 ACL 授权 SSH 访问的部署场景。由于所给来源没有正文，具体漏洞编号、受影响版本、修复版本和发布时间均无法核实；目前只能确认这是厂商的修复更新，尚不能从材料判断修复是否已覆盖所有部署。

IEEE Spectrum 报道了维基百科清理 AI 生成内容的做法，受影响的是维护条目的编辑和依赖这些条目的读者。报道把这项工作描述为内容审核与社区治理问题，而非技术突破。Hacker News 讨论中，有编辑称自己修正 AI 生成的低质量内容后，修改被维基百科的 AI 机器人立即回退。

据《斯坦福日报》报道，Anthropic 在训练 Claude 时使用了据称以非法手段获取的斯坦福教授所著书籍副本。该报道把争议集中在训练数据来源与版权责任上，涉及这些教授能否控制作品使用并获得报酬；但所给材料没有提供 Anthropic 的回应，也没有独立证据确认这一核心指控。

在 Kangrejos 2026 上，Alexandre Courbot 没有发布新代码，而是就 Rust for Linux 中“何时允许 panic、如何做错误处理”征求开发者意见。他提出一条按优先级排列的处理阶梯：尽量写不会失败的代码，其次用编译期检查（保证捕获或尽力捕获），再次用运行时 Result，最后才 panic；并用 Nova vGPU 状态枚举、udelay\(\) 越界参数和 binder 的 add\death\(\) 等案例说明边界。现有内核 Rust 编码指南只有一处提到 panic，仅表示优先使用 Result；讨论中 Miguel Ojeda 认为，在没有安全降级方案时，维护者可以接受 panic；Ard Biesheuvel 则指出 panic 已嵌入 Rust 语言、无法完全消除。报道未显示这些准则已被正式采纳。

据 Tom&\x27;s Hardware 报道，中国团队声称利用 24 芯光纤实现 3.2 Pb/s 的实时光纤传输，足以在一秒内传输超过 2 万部 4K 电影；这一速率较该团队今年早些时候的 2.5 Pb/s 纪录提升近 30%。报道称，测试采用商用兼容硬件架构，并验证了空分复用和 S+C+L 多波段传输技术。该结果目前来自二手简短报道，尚无论文或独立验证；报道还提到，实验室光纤传输纪录曾达 5.29 Pb/s，但使用的是更先进或实验性的设备与信号处理。

微软已发布 Android 版 Microsoft Authenticator 6.2606.4246，修复一个高危漏洞：设备上已安装并运行的恶意应用无需申请 Android 权限，即可获取已登录工作账户的令牌。研究人员称无需用户进一步操作；微软则认为攻击者需要诱使用户完成身份验证。微软首次发布公告时表示，未发现该漏洞被实际利用。

The Verge 报道称，苹果将入门级 14 英寸 MacBook Pro 和 24 英寸 iMac 更新为 M6 芯片；MacBook Pro 起售价 1999 美元、配备 16 GB 内存，与去年 M5 款持平，iMac 起售价 1499 美元。两款产品均于 10 月 28 日开启预售，预计 11 月 6 日开始发货或上市。苹果称 M6 是其首款 2nm 芯片，CPU 由 10 核增至 12 核，多线程性能最高可达前代的 1.2 倍，并配有 12 核 GPU 和双 16 核神经网络引擎，且功耗更低。上述制程与性能信息来自苹果，尚未见到独立基准测试。

rss · ByteByteGo · 10月27日 15:31 「背景」 Apple 要把一个 30 亿参数的大模型放到 iPhone 上，首先要面对的是内存约束：16 位权重就接近 6GB，还要同时容纳提示词、KV 缓存、系统和其它应用。更麻烦的是内存带宽、功耗、散热，以及不能拖慢手机其它功能。 「方案」 作者梳理的核心思路，是同时压缩权重和推理缓存。权重侧采用调色板量化，把相似数值映射到小查找表；早期模型混合 2 位和 4 位、平均 3.7 位/权重，把 30 亿权重压到约 1.39GB，后续模型进一步让主解码器用 2 位、嵌入表用 4 位，并用量化感知训练适应这种精度。缓存侧采用跨层 KV 共享，按 5:3 把模型分成两段，后段复用前段最后一层的键值，使 KV 缓存内存下降 37.5%。功能侧不再为摘要、改写等任务复制整个模型，而是共享基础模型，加载 rank-16、16 位、约数十 MB 的 LoRA 适配器；运行时再结合 CPU、GPU、ANE，优化数据布局、数组切分和内存拷贝。简单任务留在设备端，复杂请求转到 Private Cloud Compute，以加密方式隔离处理并用混合专家并行计算；作者还提到 2026 年的 AFM 3 Core、总参数 20B 但仅激活 1–4B 的 Core Advanced，以及 PCC 使用 NVIDIA GPU/Google Cloud，不过全文基于公开资料，缺少实测的权衡数据。 「启示」 作者最终强调的是运行时资源决定模型能力：通过压缩、共享、适配器和云端回退，让同一个基础模型在不同硬件与任务上伸缩，而不是把完整大模型硬塞进手机。 标签: on-device LLM, quantization, KV cache, LoRA adapters, Apple Intelligence

rss · NVIDIA CUDA Technical Blog · 10月27日 20:50 「背景」 许多 AI 工作负载只需 GPU 的一小部分，整卡分配会浪费容量；MIG（硬件隔离）、时间切片（轮流使用）和 MPS（并发运行）各有限制，且缺少应用透明的内存强制，难以直接由 Kubernetes 调度。 「方案」 NVIDIA 称 CUDA 13.4 新增内存强制机制，可在时间共享模式下设定应用透明的内存上限：既能申请精确大小，也能获得保底内存并在空闲时增长到上限，还可选用 sm-sharing 计算共享。仅靠 CUDA 不够，节点上的 gpu-fractioning 开源 Operator 负责运行并监管 MPS 等守护进程、在容器启动前施加限制，并按份额而非整卡统计用量。调度器选卡后把每个容器的内存请求、上限、计算模式和设备列表写入 Pod 注解，Operator 读取并执行；KAI Scheduler 从 v0.18.0 起以 NvFractions 模式首个集成，安装时一并部署该 Operator。请求可用绝对大小或 gpu-fraction 比例表达，上限可选，省略时等于请求；gpu-fraction-num-devices 让请求按每卡计算。时间切片按序轮流执行，各工作负载拥有独立错误域；sm-sharing 并行分配 SM、共用同一个错误域，因此同一 GPU 不能混用两种模式。原文以功能说明和 YAML 示例为主，未给出性能、隔离开销或故障模式的实测数据。 「启示」 其意义在于把 GPU 内存份额变成节点上可强制执行的资源，使 Kubernetes 无需改造应用即可细分 GPU；但效果依赖调度器与 Operator 的配合，sm-sharing 的共享错误域也要求谨慎选择工作负载。 标签: GPU sharing, Kubernetes, NVIDIA CUDA, MPS, KAI Scheduler