FlowRL: Узгодження розподілу винагород для LLM RL • Перехід від максимізації винагороди → узгодження розподілу • +10,0% проти GRPO, +5,1% до PPO з математики; Значний виграш від коду • Мінімізує зворотний KL, щоб охопити всі допустимі шляхи міркувань (дозволяє уникнути колапсу режиму)

Apple представляє AToken: уніфікований візуальний токенізатор • Перший токенізатор, що об'єднує зображення, відео та 3D • Спільний 4D латентний простір (зберігає як реконструкцію, так і семантику) • Сильний рівень виконання завдань покоління та розуміння (ImageNet 82,2%, MSRVTT 32,6%, 3D acc 90,9%)

SakanaAI представляє надійну агентну оптимізацію ядра CUDA • Підривники, підсилює передачу вперед/назад, перевершує базові лінії факела • Агентний конвеєр LLM: PyTorch → CUDA → еволюційну оптимізацію часу виконання • М'яка верифікація: LLM позначає неправильні ядра (↑30% успішна верифікація) • Robust-Kbench: новий еталон реальної продуктивності ядра + коректність