Macaron-V1：模型开始边用边学

Macaron-V1把模型、工具脚手架与LoRA专长模块一起迭代，探索AI部署后的持续学习。

深度专题 FEATURES — 3

PAPER HF 33

Motif 3用384个专家撑起3140亿参数，每个词只调用其中8个，展示大模型如何兼顾容量与计算。

PAPER H 4 · HF 7

WorldTrace 给视频世界模型装上带目录的视觉记忆，让它走远后仍能认出旧场景。

PAPER

量化不只是让平均分下降：它会按比例压缩决策优势，悄悄改变工具调用与安全拒答。

速览 BRIEFS — 8

PAPER

AI会推理，却常做不完几小时的任务：问题分散在规划、记忆、执行、训练和评测五环。

PAPER

先减去所有动作共有的变化，让世界模型重新看清每个动作真正改变了什么。

H 3

PAPER

UniJEPA把图像变化、视频演化和动作规划装进同一套视觉预测框架。

PAPER

SimWAM把未来视频留在训练场，让自动驾驶部署时直接规划轨迹。

H 10 · HF 22

PAPER

Cascade按请求剩余延迟预算排队，让短问答与长推理混跑时少些超时。

H 12

PAPER

AoH只看冻结模型的查询—键结构，就能预先决定哪些注意力头保留长程记忆。

H 20

PAPER

RynnValue把“离目标还要多久”变成统一标尺，让异构机器人数据能共同训练价值判断。

HF 11

PAPER

SWE-Bench ProMax把代码Agent送进跨文件重构考场，最佳解题率仅41.2%。

HF 116