深度专题 FEATURES — 2
机器人基础模型先学会找准物体
GAM先把目标钉在三维空间里，再学动作，补上机器人“懂指令却抓不准”的缺口。
长上下文上手机，KV缓存开始分层
TierKV给手机的AI记忆分层：常用的留内存，长尾放闪存，让长上下文不再先撞上RAM墙。
速览 BRIEFS — 8
PAPER
世界模型能否边学边不忘
新基准让世界模型连续学机器人任务，再用重组题同时检查迁移与遗忘。
PAPER
VLA少算几步，动作反而更好
机器人动作生成并非多算几步就更准，Coda把算力留给最后一次纠偏。
PAPER
LLM写的GPU内核离生产还有多远
LLM会写更快的GPU内核，但真正能加速多少，还要看它覆盖了整段程序的多少时间。
PAPER
稀疏注意力开始自己学阈值
ETA让模型按问题难度自己决定读多少上下文，并在训练时“压低而非删除”次要信息。
PAPER
W4A4量化从激活异常值下手
把W4A4误差拆成两部分，说明哪些能靠调权重补救，哪些必须先处理激活异常值。
PAPER
模型知道却不说，能被读出来吗
从模型内部“工作痕迹”判断：它是真不会，还是知道却没说。
PAPER
端侧推理把量化接上投机解码
SpecQuant让同一模型的多种精度分工猜词与验证，兼顾端侧速度、显存和准确率。
PAPER
触觉世界动作模型扩展到异构传感器
ME-Dex统一不同触觉硬件的数据，让机器人同时预演画面、触感与动作。