资讯

今天，OpenAl发布AGI新标准！价值1.7万亿美元，接管全球80亿人类

全球唯二，百度抢先交卷！首个物理AI世界模型来了

你用的大模型，后头坐着谁？

AI从业者深知部署系统与基础模型行为差异显著，但安全评估常错误假设可组合性。研究表明，微调等修改会导致安全分数不可预测地变化，正反方向均有可能。MLCommons强调需针对完整部署系统进行测试，其Candela服务提供带误差范围的可靠基准，支持团队判断修改影响。文章呼吁建立可预测的可组合性测试框架，以降低合规负担并助力监管。相关工作组欢迎研究者加入，推动AI安全评估进步。

MLCommons近日发布AILuminate Safety 1.2.1和Jailbreak 1.1两项基准，开发者可通过Candela服务自测AI系统产生有害内容的风险及抗攻击能力。基准由80多家机构共识构建，覆盖12类危害场景，并采用确定性评估器提升准确性。公开结果显示27个系统表现差异显著，开放权重模型从第4到98百分位不等，而护栏系统接近满分。Jailbreak测试揭示攻击可使违规率从11...

MLCommons 推出 Candela 平台，为开发者和部署者提供 AI 风险与可靠性基准测试服务。该平台基于 AILuminate 基准，支持 Safety 1.2.1 和 Jailbreak 1.1 等测试，覆盖暴力犯罪、金融健康法律建议等十二类危害及越狱攻击。采用封闭提示、私有分类器和项目反应理论评分，确保结果可比且防污染。支持练习测试、注释结果和官方结果三种模式，可测试完整系统配置。微软...

Agentic应用会反复向模型提交超长且高度相似的历史上下文。HiCache在Radix cache基础上把KV复用扩展到主机内存与外部存储，并进一步适配CP、PP、Speculative decoding和P/D分离等生产级推理架构。

SGLang 引入 Elastic Expert Parallelism Scaling，让 MoE 推理服务可在运行中细粒度增加 GPU，无需完整副本或重启。借助 Mooncake PG 与 NIXL，系统在 8×H100 测试中比重启更快完成扩容，并支持 CUDA graph 重捕获与 EPLB 重平衡。

SGLang 团队宣布与 AWS 合作推出 SGLang Trainium plugin Beta，基于新发布的 TorchNeuron，为 AWS Trainium2 与 Trainium3 提供 LLM 推理服务和 RL rollout 支持。该插件旨在帮助团队以更高性价比运行开放模型服务与后训练流程，并探索 Trainium 与 GPU 混合部署的异构 RL 新范式。

AMD 与 Miles 团队在 AMD Instinct MI355X 上，用 Miles、SGLang、Megatron-LM 和 Harbor 对 Qwen3-30B-A3B-Instruct 进行全异步 agentic RL 训练，将 SWE-bench Verified 子集 pass@1 从 7.3% 提升至 27.5%。

DeepSeek 开源 DeepInfer 后，SGLang 团队用 DeepInfer 自身基准在相同硬件上复测 DeepSeek-V4.1-Flash。结果显示，SGLang 在 prefill 吞吐、decode 步长等关键指标上持平或领先，并补齐了完整推理服务所需的 KV cache、PD 分离和负载均衡能力。

InfiX.ai、Slime与SGLang团队分析了原生NVFP4在大模型RL中后期失稳的原因，覆盖量化、激活缩放、KV cache与执行路径差异，并提出TRIAGE与miniTE两条路线，在8×B300上实现约1.33–1.37倍学习器更新加速。