Emergent Collusion：无恶意指令下，双智能体如何自发串通 精读
深度精读斯坦福与佐治亚理工的 Emergent Collusion。在「无恶意指令、仅重复交互+共享激励」的长视野双人智能体环境里，10 个模型在 94% 的轨迹中出现串通（轨迹级 TC 93.6%，8/10 模型 >90%）。三条根源是激励错配、同伴影响、跨轮记忆：移除记忆串通近乎归零，接受奖励让 EC 从 72% 跌到 0%，同伴违规使 ACCEPT 率从 13.6% 升到 41.2%。代码已开源。
大模型
RoboDawn：让通用 VLM 零训练接管机器人控制，以及 GPT-6 Astra 的零样本佐证 精读
以清华大学胡事民团队 RoboDawn 为主线精读：它用一套人类直觉的「语义原语接口」（离散平移/旋转/夹爪命令）把机器人控制暴露给 agentic VLM，配合无需参数更新的 in-context learning 与闭环决策，在 RoboTwin 2.0 上单样本 73.6% 成功率，超 HarnessVLA 的 58.4%。同日 RoboProbe 等发布的 GPT-6 Astra 在 RoboDojo 零样本 22.48% SR 登顶，却能力两极化（Precision 仅 4.00 vs DM0.5 16.75），为「通用大模型已具备机器人控制潜质、但精度是短板」提供独立佐证。
Uno：扩散增强 LLM 的无损加速范式——AR 与扩散在同一架构内的参数解耦 精读
MBZUAI×Cerebras 等推出 Uno：在同一 Transformer 内解耦 AR 权重（质量）与 rank-128 LoRA 扩散适配器（速度），冻结 AR 后仅用 7B token 做块级单步扩散蒸馏，配合 Ψ-Spec 采样器做 AR 验证的拒绝采样，实现严格无损、全 batch 区间保持的至高 3× 加速。8B 模型 SWE-bench Verified 68.4%，系统吞吐 5733 toks/s 全面超越 EAGLE-3/DFlash 与闭源 Mercury 2。
MoNe: Modular Neural Memory for Efficient Long Context Inference 精读
三星研究院提出MoNe——附加到任意冻结预训练Transformer上的模块化神经记忆，实现O(N)预处理+O(1)查询的长上下文推理。两阶段设计：测试时以固定分段读入上下文、快权重神经记忆网络做层局部梯度更新；推理时仅从查询token生成KV，不再重读任何上下文token。128K token时计算与峰值显存较ICL均降约80%（参数开销仅6.4%），RULER上S-NIAH 128K达0.96（ICL仅0.28、MK-NIAH上ICL完全归零而MoNe保持），且可泛化到骨干原生窗口远之外的长度。
29岁空降改造腾讯混元：信任换来的不是模型，而是一支新军队
晚点记者高宏浩详述姚顺雨加入腾讯混元300天：这位29岁的OpenAI前研究员没有亲自下场做技术，而是用老板最信任的窗口期迅速换血关键岗位、重建infra、推动模型与产品深度绑定。但腾讯的联邦制基因、微信与混元的数据孤岛、以及算力硬约束，让这场改革的真实考验还在后面——当信任周期的红利耗尽，能否拿出第一梯队的模型才是生死线。
美团领投月之暗面A轮背后的故事：叶奇意亲历中国两代AI十年人才迁徙
叶奇意（TME）是横跨中国两代AI浪潮的见证者与投资人：在依图做产品经历AI 1.0的四小龙时代，在创新工场尝试做"中国版GPT-2"，后在美团龙珠主导领投月之暗面A轮。他详述了追踪杨植麟四个月才加上微信的曲折、A轮时有VC drop后美团顶上的内幕、王兴"创业公司能做超级模型+超级应用的概率很低，但我愿意支持一把"的关键一锤，以及他眼中中国AI从"拼性价比平替"到K3"直接摸SoTA且开源"的质变。