Google 研究者提出 RRSI，防止自我优化的智能体 harness 记住测试任务
Google 研究者在新论文中提出 RRSI（智能体 harness 的正则化递归自我优化），通过收缩编辑预算和严格的批评器，防止让语言模型反复改写 harness 的自我优化过拟合测试任务。
#部署/工程
The DecoderAI 评分6060
Microsoft ResearchAI 评分5151 Microsoft Research 为 Physical AI Toolchain 新增机器人推理卸载功能
Microsoft Research 宣布为 Physical AI Toolchain 新增机器人推理卸载能力，可用 Kubernetes 工具把机器人 AI 工作负载容器化并分发到板载计算、边缘 GPU 与云端，集成 ROS2、LeRobot 与机器人仿真器，本次发布含 SO-101 和 UR10e 的卸载示例项目。
Berkeley AI ResearchAI 评分4848 K-Search 如何把 CUDA 内核经验带到 Apple Silicon：从 CUDA 到 MLX
Berkeley 研究团队为 K-Search 增加 MLX 后端与结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核适配 Apple Silicon，在 Apple Silicon 上达到接近专家级性能。
Berkeley AI ResearchAI 评分5858 自适应并行推理：高效推理扩展的下一范式
Berkeley AI Research 发布长文综述自适应并行推理（APR），分析让模型自行决定何时分解子任务、开多少并发线程、如何协调线程的研究进展。