神经函数准确率83.6%，随机KV提速43%

重点关注

01 训练优化 自然语言规格开始被「编译」为本地神经函数

自然语言规格不再只能交给大模型反复执行，它也可以被「编译」成一个本地运行的神经函数。Compile by Training先让教师模型按规格合成任务数据，再为紧凑解释器训练一个小型适配器；编译完成后，教师模型即可退出，产物还能像普通软件一样存储、版本化和组合。在快速编译器无法得到精确匹配的FuzzyBench-Hard子集上，这种方法实现了83.6%的语义准确率，说明它有机会覆盖那些稳定、高频，却很难写成规则的文本任务。代价是编译时间从数秒增加到约1分钟，但这笔一次性投入换来的是后续执行不再依赖教师模型。论文还展示了网站助手、语言控制的3D头像和双向翻译器，表明这里的重点不是让小模型全面取代大模型，而是把边界清晰的能力从远程服务中剥离出来。对正在搭建AI工作流的团队，值得开始区分哪些步骤需要持续调用通用模型，哪些已经稳定到可以直接「编译」为本地组件。

原文：Compile by Training: Turning Natural-Language Specifications into Local Neural Functions

02 推理加速 复杂选择器可能赢错了比赛

KV缓存淘汰一直在比谁更会判断哪些token重要，但这项工作的意外发现是：保住提示词后，在每个注意力头里随机淘汰推理轨迹，效果就能追平最强选择器。跨4个模型和6项推理任务，Random Attention无需计算重要性分数，却在vLLM部署中将吞吐量提高了32%—43%。作者给出的解释是，推理过程会通过重复关键信息、在多个注意力头中保留副本来抵抗淘汰，真正脆弱的反而是原始提示词。由此看，许多复杂方法的收益可能并非来自更精准的选择信号，而是来自保留提示词、按注意力头分配预算等伴随设计；不过这一判断仍需结合全文中的消融设置确认。对做长推理部署的团队，更重要的启示不是立即改用随机策略，而是重新设计基线：先拆开选择信号与缓存分配机制，再判断复杂度是否值得。

原文：Random Attention: Rethinking KV Cache Eviction for Efficient Reasoning

03 图像生成 开放训练配方，离真正可复现还有多远？

先通过纯图像预训练和中期训练建立生成先验，再与基于LLaDA2.0-Mini的冻结视觉语言理解模块组合。这个设计让图像能力与语言理解不必从一开始就依赖大量成对数据，对资源有限、想改造现有生成模型的团队更有参考价值。最终的6B参数模型在Qwen-Image-Bench中，英文和中文轨分别达到53.53和53.38，摘要称其刷新了开放模型成绩，蒸馏版本则把推理压缩到2至4步。团队还公开了权重、代码和详细配方，但训练管线涉及2.2亿个样本，配方开放并不自动等于数据与结果都能完整复现。真正值得验证的是：其他团队能否沿着这条阶段化路线，在不同数据条件和算力规模下稳定复现其收益。

原文：LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes

04 评测 平均分更高，为什么团队仍不知道该修什么？

机器翻译评测要能指导修复，首先得把模型失败写成可复现的测试条件。LTB收集专门难倒领先模型、经过同行评审的多模态样例，并为每个样例配上手工验证规则，明确描述可复现的具体失败。这样，评测单元就从「整体译得像不像」变成「某项能力是否在特定条件下失效」，既压缩了对自动指标投机的空间，也让错误归因和回归测试更可操作。作为持续接收贡献的活数据集，LTBv1覆盖截至2026年9月1日录用的案例，但规则一致性、覆盖代表性和版本间可比性仍需看全文及后续发布确认。对翻译产品团队而言，它更重要的价值不是替换排行榜，而是示范如何把线上失败沉淀成可审查的测试用例，再反向驱动数据与模型迭代。

原文：Last Translation Benchmark