注意力路由提前稳定：面向循环语言模型的工作集推理机制
针对循环语言模型在每个循环步骤重复计算全局注意力导致的高开销问题，研究人员分析了跨循环深度的注意力动态。研究发现，注意力分布和支撑集稳定的时间显著早于隐藏状态与输出，呈现出两阶段特征：前期步骤先确定相关上下文的稀疏工作集，后期步骤则在基本固定的路由支撑上细化表征。基于该发现，论文提出了名为 WISE 的工作集推理方法以优化推理过程（原文摘要末尾有所截断）。
DC AI 热点
精选
当前热点完整榜单 →
1Black Forest Labs 推出开源具身智能模型 FLUX 3 Action76 热度 ⌁2谷歌、OpenAI与Anthropic拟联合组建AI安全标准自律组织SAFA74 热度 ⌁3谷歌云 API Gateway 支持 MCP：将 REST API 原生转化为 AI Agent 工具74 热度 ⌁4Sakana AI聘请AI先驱Jürgen Schmidhuber担任首席科学顾问74 热度 ⌁5Agent Plugins 1.0.0 发布：科技巨头联手推跨平台 Agent 技能与 MCP 打包规范72 热度 ⌁9月24日2026-09-24
微软提出机器人推理卸载架构，以突破物理AI硬件算力瓶颈
微软研究院针对机器人硬件难以跟上AI能力增长的瓶颈，发布了有关“推理卸载”的最新研究成果。研究表明，将AI模型的推理计算任务转移至机器人本体之外的外部计算平台，能够显著提升任务执行的成功率并提高系统效率，同时支持运行更为复杂的先进物理AI工作负载，为智能机器人突破车载硬件限制提供了可行的计算架构方案。