AI Infra

Diffusion Reward Models × SOLO：成熟技术的首次规模化双案例精读

同日两篇论文在各自领域做了同一件事：把一项被搁置多年的成熟技术，用一个机制创新首次推到现代规模。清华 thunlp+港中文+UIUC 的 Diffusion Reward Models（DRM，当日 Hugging Face 日榜 up=22）把扩散模型首次引入奖励建模——奖励从点估计变为条件密度估计 p(r|x,y)，轻量 DiT 头无参数族假设地表示人类偏好的多峰结构（多峰率随标注分歧 37.6%→63.2%，Wasserstein 距离全表最低），同骨干同数据受控对比平均 66.2 vs ArmoRM 62.3（+3.9）；中科院自动化所的 SOLO 把局部学习（local learning）首次推到十亿参数 LLM 预训练——用一个所有模块共享的终端 readout 只读副本打破 update locking，梯度对齐 cos 从 0.52 升至 0.70，流水线激活内存降近 p 倍、吞吐达 1F1B 的 1.44×。二者方法论同构：识别被搁置的旧技术、诊断其规模化障碍、用一个机制创新解锁，为「旧思想在新规模下复活」提供了可复用的模板。

MassAlloc Attention × DaRoPE：注意力计算分配与位置编码的双子星重构精读

本精读合并解读两篇重构 Transformer 核心算子的论文：HKUST(GZ)×BAAI×巴黎西岱的 MassAlloc Attention（MALA）把稀疏注意力改写为「分布条件化的运行时计算分配」——保留全部 QK 打分，用 online-softmax 演化归一化因子做逐 tile 贡献比测试，跳过低贡献 tile 的 post-score 计算，同一容差 τ=1 统一前向/反向/prefill/解码，训练 FLOPs -23.1% 而 PPL 无损、关联回忆 89.67% 贴近 FullAttn（NSA 仅 22.61%）；Meta AI 巴黎×Inria 的 DaRoPE（ICLR 2027）诊断出 RoPE 慢频带这一具体弱点，快带保序、慢带换成 sigmoid 有界的逐头内容坐标，外推免配置，K=256 键值回忆 30.5% vs 其他方法 ≤7.25%。二者共享同一哲学：不做一刀切裁剪，让算子自己知道「哪里重要」。

Skill2Env × QwenGyre × AgentPerfBench：智能体强化学习的数据、系统与推理三层基建精读

同日挂出的三篇 arXiv 论文恰好拼出 Agent 强化学习的三层基础设施：数据层（AllSpark 的 Skill2Env 把「环境合成」从扩展覆盖升级为能力参数化——100 个带控制旋钮的难度模式+基于 solver 执行证据的迭代加难，1.5K 轨迹 SFT 换 7 基准 +8.4pt）；系统层（阿里 Token Hub 牵头的 QwenGyre 用 cell 级弹性调度+轨迹树处理让 2.4T 旗舰模型的百万 token rollout 在线 RL 提速 1.78×，pass rate 52.48%→58.54%）；推理层（帝国理工+剑桥+牛津的 AgentPerfBench 用 22 个负载画像+饱和扫描+NCU roofline 证明 chat→coding 的 TTFT 差 4.8×、操作强度差 46×，agentic 负载在并发爬升时吞吐崩塌 43–76% 而 chat 仍在扩张）。本文按九部分结构合并精读，并给出「Agent RL 全栈工程」的公共图景。

WeEnv: The Environment for Agentic Reinforcement Learning at WeChat 精读

腾讯微信 AI 提出 agentic RL 的「环境税」：环境初始化独占迭代时间 53.4%，比训练本身还慢。WeEnv 对环境做打包-初始化-供给的全生命周期管理——layer group 活页夹式组合把 39,471 个镜像缩到 133 个、按需拉取让环境 10.6 秒启动（E2B 要 150.6 秒）、弹性配额化解秒级 47 倍的资源突发。本精读覆盖动机量化、三大设计的机制因果链、与 E2B/AgentENV/SkyRL 的外部交叉验证，以及企业生产部署视角的通用启发。

Agent 越能干，越等不起：云栖2026「AI实时数据智能」论坛复盘——卡住生产级 Agent 的不是模型，是数据的实时性、语义与断点

2026 云栖「AI 实时数据智能」论坛复盘：六场演讲共答一个矛盾——Agent 任务从秒级问答变成长程执行后，卡住生产的不是模型，而是数据新鲜度、业务语义与任务断点。Kafka 流算湖一体收敛实时链路，SLS 沉淀轨迹资产，RocketMQ LiteTopic 支撑手脑分离，AgentBridge 以逻辑统一取代数据集中，震坤行与 Qoder 给出客户证词。

当互联网的主体不再是人：云栖2026云网络专场，网络为什么重新变成稀缺品

2026云栖大会云网络专场（9月24日）年度发布梳理：当AI相关流量超过公网流量一半，网络从"尽力而为的管道"重新变成确定性交付的稀缺品。本文从尾延时与推理性价比、用通信换计算、推理下沉边缘、Agent成为网络新主体、数据语言统一五条机制链，拆解英特尔、阿里云、网易互娱、小鹏汽车、Maxinsights、Megaport六方的一线说法，并给出可迁移的判断框架。

模型每2.8天更新一次、企业采购却要等半年：云栖2026百炼专场复盘——从 Model 到 Token，卡住企业的不再是模型本身

2026 云栖百炼专场复盘：信通院姜春宇给出「模型 2.8 天一更、任务时长每 7 个月翻倍」对撞「企业一采购就落后」，提出 AI 原生方法论；安克商渭清展示日均四千亿 token 的 DOM×Launch 实践；百炼于文渊拆解「今年 90% token 来自 Agent」；圆桌把价格 K 型分化、智能路由与算力卡点收敛为「从有模型到用好模型」。

真武是系统，不只是芯片：平头哥算力峰会上的超节点方法论

整理2026云栖大会平头哥算力峰会「云模之芯，共筑非凡」全场内容。平头哥副总裁李伟良梳理真武810E→M890→V900→J900的年度迭代节奏；阿里云王超给出「系统语义不在物理边界断裂」的真超节点判据；Kimi许欣然拆解100毫秒decode里的访存经济学；元戎启行曹通易与无界动力夏中谱讲物理AI的数据量级与快慢脑；圆桌与倚天CPU、磐脉920网卡两场把Agent时代的关键路径补完整。芯片竞争已从单卡指标转向系统协同。

Memory Compression for High-Fanout Agent Sandboxes (AgentZip) 精读

Agent 平台把每个动作都关进沙箱，而 RL 训练和并行推理让一个任务扇出几十个沙箱——内存（而非算力）成为并发上限。HKUST 的 AgentZip 是首个专为 Agent 沙箱设计的内存压缩系统：用模板增量、同类群字典、页内 RLE 三种编解码器榨取’近似相同’页面的冗余，用恢复期预取取代保守选页，把昂贵压缩搬进 LLM 思考的空闲窗口。实测沙箱内存最高降 8.7 倍（Linux 配置仅 2.1 倍），激进压缩的减速从 3.1 倍压到 1.40 倍。本精读逐页拆解其 How/What/When 三问重构与全部消融，并对照 DeltaBox、DroidSpeak 等同期系统工作交叉验证。

DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression 精读

DeepSeek-V4.1-Flash 用三件武器把长上下文智能体的部署成本打下来：CED 非对称架构让 prefill 只激活 8B 参数（decode 16B），CSA2 跨层 KV 复用 + FP4 量化把全局 KV 缓存压到 890 字节/token（较 V1 降 437 倍），SWA Bounded Replay 把持久化缓存再压到 1/8。在 Codeforces 3348→3471、DeepSWE v1.1 达 74.2% 的同时，45T token 多模态预训练完全开源。本文拆解其架构因果链与’智能体负载第一性’的设计哲学。