FlowRL: LLM RL の報酬分配マッチング • 報酬の最大化から分配マッチング→シフト • GRPO に対して +10.0%、数学で PPO に対して +5.1%。コードで大きな利益を得る - 逆KLを最小限に抑えて、すべての有効な推論パスをカバーします(モードの崩壊を回避します)。

Apple が AToken を発表: 統合ビジュアル トークナイザー • 画像、ビデオ、3D を統合する最初のトークナイザー • 共有 4D 潜在空間 (再構成とセマンティクスの両方を保持) • 生成タスクと理解タスク全体で強力 (ImageNet 82.2%、MSRVTT 32.6%、3D acc 90.9%)

SakanaAIが堅牢なエージェントCUDAカーネル最適化を発表 - ヒューズ操作、前後パスのブースト、トーチのベースラインを上回る性能 • エージェント LLM パイプライン: PyTorch → CUDA →進化的なランタイム最適化 • ソフト検証: LLM は誤ったカーネルにフラグを立てます (↑30% 検証成功) • robust-kbench: 実際のカーネルパフォーマンス + 正確性の新しいベンチマーク