Qwen3.8-Next：稀疏模型如何跑稳

125B稀疏模型每词元只激活6B：Qwen用混合注意力、门控残差与外置词表兼顾能力、成本和稳定性。

深度专题 FEATURES — 3

PAPER

把机器人视频拆成“物体怎么动”和“画面长什么样”，让预测更容易检查，也暴露出语言控制仍弱。

PAPER H 17 · HF 80

机器人轨迹难堆量，VLAct改从表示下手，让有限数据更能跨任务、跨身体复用。

PAPER HF 100 · 2 信源

两项研究追问策略蒸馏的进步从哪来：老师可能教错，学生也可能靠修剪自己的坏选择变强。

速览 BRIEFS — 8

PAPER

WM-R1让手机智能体在“模拟手机”里试错，减少训练对真机操作的依赖。

H 7

PAPER

直接保留最近一小段上下文，竟比专门压缩记忆的线性注意力更强、更稳。

H 5 · HF 14

PAPER

模型在高精度测试中表现正常，量化上线后却可能激活后门，且攻击能跨量化方案存活。

H 25

PAPER

SABER故意让模型“唱反调”，答案仍不动时就提前结束推理。

H 1

PAPER

研究发现，机器人“听错”后可能绕过安全拒绝，把危险指令变成可执行动作。

PAPER

DeicticVLA把语言和指点统一成机器人指令，“拿这个、放那里”也能听懂。

H 32

PAPER

研究发现，推理模型处理刻板印象时，计算投入也会呈现偏差模式。

PAPER

每Token能耗下降，不代表整次请求更省电；固定开销可能只是被摊薄了。