Naive-N0.5-Flash 承诺 2,100 Tokens/s，代码能力实测如何
NaiveAI 发布 Naive-N0.5-Flash 开源权重模型，宣称峰值可达约 2,100 tokens/s，基于小米 MiMo-V2.5 的 310B 参数 MoE checkpoint 继续训练并接入 NaiveRT 推理引擎。
#推理By publication and event progress
Latent SpaceAI 评分6363
Google ResearchAI 评分4747 The sleep framework：让 LLM 在持续学习中保留知识的睡眠框架
Google Research 提出 sleep framework，通过模拟人类睡眠机制帮助大语言模型在持续学习中稳定保留知识。该框架交替运行 active（wake）phase 和 sleep phase，利用 MoE 与 Hope 架构进行参数扩展、GKD 知识播种及 synapse pruning，支持模型将短期上下文转化为长期参数。
Google DeepMindAI 评分4444 ForTy 2020：Google DeepMind 与伙伴发布 10 米级全球森林类型地图
Google DeepMind、Google Research 联合世界资源研究所和国际应用系统分析研究所发布 ForTy 2020，这是首张 10 米分辨率的全球森林类型地图，将地球每块土地归入六种类型之一，并附 2017 至 2025 年时间序列追踪森林变化。
Microsoft ResearchAI 评分4949 Magnetar 的基于证明的通用计算
微软研究院推出 Magnetar，一种基于零知识证明的通用计算系统。它能对用 Rust、Go 或 C 编写的程序生成简短证明，平均比此前最快的可比系统快 10 到 39 倍，且安全仅依赖标准哈希函数。该成果是微软研究院十余年研究的最新进展。
Berkeley AI ResearchAI 评分5151 ABBEL：用自然语言信念状态实现高效记忆交互
伯克利AI研究所提出ABBEL框架，将总结过程建模为可更新的自然语言信念状态并通过重建目标进行监督。在CollabBench协作编码任务中，ABBEL-rec-BG相比全上下文模型缩小了约50%的性能差距，且峰值token更少、训练步骤减半；在Combination Lock游戏中配合领域知识信念评估器可达到或接近全上下文水平。论文链接 arXiv:2512.20111。
Berkeley AI ResearchAI 评分5454 向量数据是如何工作的
Berkeley AI Research 发布 SPEX 和 ProxySPEX 算法，用于在特征归因、数据归因和机制可解释性层面高效识别影响 LLM 输出的关键交互。SPEX 基于稀疏恢复和信号处理理论，ProxySPEX 进一步利用层次结构假设减少约 10 倍消融次数。代码已集成至 SHAP-IQ 开源仓库，适用于数千组件规模的分析任务。