Microsoft Research 研究显示将机器人 AI 推理卸载到边缘或云端可提升性能与续航
Microsoft Research 通过系统性测量研究指出，仅依赖机器人机载 GPU 会限制性能、续航与可扩展性。实验显示小型 GPU 上地图与规划最高慢 383%，导航障碍及时检测率下降 30%，VLA 模型准确率下降 50%；换成 Raspberry Pi-5 并卸载推理可显著延长电池时间，Jetson Thor 等机载 GPU 对机器人的电池消耗高达 160%。
#部署/工程
#部署/工程
今日 0 条Microsoft ResearchAI 评分5353
Hugging Face BlogAI 评分4949 LLaMA 剪枝的物理学视角：把 Transformer block 删除转化为 Ising 优化问题
Multiverse 的最新论文将 LLM 深度剪枝中的 block 选择问题重构为约束二元优化（CBO），直接映射到 Ising glass 自旋系统，能量值成为剪枝后模型 benchmark 表现的廉价代理指标。
Hugging Face BlogAI 评分5757 Multiverse Computing 提出量化感知修复 QAH，4-bit 模型在 9 项基准中 7 项超越全精度原版
Multiverse Computing 发布论文 Quantization-Aware Healing，提出 QAH 方法：直接从压缩前的原始模型蒸馏，修复经过结构压缩并量化到 MXFP4 的模型。
Berkeley AI ResearchAI 评分5151 Berkeley 团队将 K-Search 扩展到 MLX，把 CUDA 内核优化经验迁移到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 基于 K-Search 进化式内核搜索框架构建 MLX 后端，通过结构化 CUDA 到 MLX 翻译层把既有 CUDA 内核知识转化为 Apple Silicon 的优化指引。
Google ResearchAI 评分4646 Google 研究提出线性弹性缓存：用“滑雪租赁”问题优化云端缓存成本
Google Research 在 CIDR 发表线性弹性缓存方法，把页面逐出建模为“滑雪租赁”问题，用轻量级机器学习动态调整缓存大小，以最小化缓存管理总拥有成本（TCO）。该方法已在 Spanner 生产服务器上集成数月，相比固定大小缓存，内存占用降低 15.5%，cache miss 仅增加 5.5%，TCO 约降 5%，实际 I/O 成本影响仅 0.5%。
Google DeepMindAI 评分4646 Google DeepMind 发布 Decoupled DiLoCo：面向韧性分布式训练的新架构
Google DeepMind 推出分布式训练架构 Decoupled DiLoCo，将训练拆分为异步通信的计算“孤岛”（learner units），隔离硬件故障对整体训练的影响。
Google ResearchAI 评分4444 Google 发布 TurboQuant：以极致压缩重新定义 AI 效率
Google 推出 TurboQuant 压缩算法（ICLR 2026），在零精度损失下大幅缩减模型体积，同时支持 KV cache 压缩和向量搜索。其核心依赖 QJL 的零开销 1-bit 技巧与 PolarQuant 的极坐标压缩，消除了传统向量量化每数字 1-2 bit 的内存开销。