FlowRL: Соответствие распределения вознаграждений для RL LLM • Переход от максимизации вознаграждения → соответствие распределению • +10.0% по сравнению с GRPO, +5.1% по сравнению с PPO по математике; сильные приросты в коде • Минимизирует обратный KL, чтобы охватить все допустимые пути рассуждений (избегает коллапса моды)

Apple представляет AToken: унифицированный визуальный токенизатор • Первый токенизатор, объединяющий изображения, видео и 3D • Общая 4D латентная пространство (сохраняет как реконструкцию, так и семантику) • Высокая эффективность в задачах генерации и понимания (ImageNet 82.2%, MSRVTT 32.6%, 3D точность 90.9%)

SakanaAI представляет оптимизацию CUDA-ядра с высокой агентностью • Объединяет операции, ускоряет прямые/обратные проходы, превосходит базовые показатели torch • Агентный конвейер LLM: PyTorch → CUDA → эволюционная оптимизация времени выполнения • Мягкая верификация: LLM отмечают некорректные ядра (↑30% успеха верификации) • robust-kbench: новый бенчмарк для реальной производительности ядра + корректности