电网软件公司Emerald AI与Google、Nvidia、Anthropic，以及AES、Constellation、National Grid、NRG等电力公司共同成立AI能源管理联盟（AEMA），希望把需求响应变成数据中心开发的常规环节：电网紧张时暂停非关键任务、把部分计算负载转移到有余量的站点，以此替代柴油备用发电机。联盟称，这样做可让新增100吉瓦的数据中心接入电网，并称当前美国关键市场新建数据中心并网需时5至7年以上；作为规模参照，高盛2025年发布的研究估计，把最高用电限制在90%几个小时即可释放76吉瓦容量。Emerald AI首席科学家Ayse Coskun向TechCrunch表示，需求响应只能缓解、无法完全消除行业对新建电源的需求。Emerald AI近期完成1.5亿美元A轮融资，由Energize Capital与DCVC领投。
信息源：techcrunch.com
华为9月17日在上海华为全联接大会（Huawei Connect，9月17日至19日举行）上宣布，下一代昇腾960DT AI芯片提前至2027年一季度推出，发言人称其“预计一季度就绪”；发言人告知TechCrunch，此前计划为2027年三季度，新时间表由轮值兼代理董事长David Wang在会上公布。需要说明：这是华为对自身路线图的调整，“性能翻倍、逐年推进”等说法为公司表述，尚无独立实测，“就绪”与规模出货的口径也未界定。另据TechCrunch转述分析师Rui Ma在X上的观察，本周公布的Atlas 960 SuperPoD为4096颗960芯片，低于华为此前提出的15488颗方案，即芯片时点提前、但公布的系统规模小于最初规划。该宣布距9月24日特朗普与习近平在华盛顿会晤约一周。
信息源：techcrunch.com
读者现在可以查证：看似“客观”的外貌描述在人类解读中仍带结构化、分级的性别联想——Yingjia Wan、Lin Lin与Elisa Kreiss构建的GAPA数据集覆盖316个常见外貌属性，由304名美国标注者给出14706条性别联想评分。
此前以描述替代性别标签常被视为中性沟通的做法，其代价是掩盖了这些描述本身携带的联想强度与分级结构。
作者称，16个LLM仅部分复现人类评分：分布被压缩、对男性联想对齐较弱，弃答不对称地集中于非二元类别；数据集、代码与代理预测模型已由作者公开。
该结果未覆盖非美国标注者人群，且尚无第三方复现；预印本arXiv编号2609.16366，arXiv页面标注发表于COLM 2026。
信息源：arxiv.org
自进化智能体从执行轨迹蒸馏技能时，技能池超过临界规模后新技能反而拉低性能——这是Linfang Shang等七名作者自报的核心发现，其VaG门控方法自称在Terminal-Bench 2上逐轮提升至72% pass@1。
此前无条件累积技能的做法，会让缺陷技能进入决策上下文、成为后续蒸馏的参照，形成跨轮污染链；事后删除源头技能只能挽回少量损失。
作者据此提出Verifier-as-Gatekeeper（VaG）门控，用三类评审逐条过滤技能并做边际增益筛选，自称技能池约为无条件累积的五分之一。以上为第一方结果。
边界：该结果未经第三方复现；预印本8月6日提交arXiv、9月17日更新v2（2608.05810）。
信息源：arxiv.org
Baseten及其研究部门Base Labs于9月16日宣布，与Hugging Face、Goodfire合作，为开放权重模型构建内建于训练与部署环节的安全评估和监控基础设施，称Base Labs将公开训练与监控方法，并向开发者生态开放框架共建；合作各方未披露技术机制。据TechCrunch，Hugging Face平台目前列出超过6000个经abliteration去除安全护栏的模型，构成这项合作的直接背景。
TechCrunch：Base Labs与Hugging Face、Goodfire的安全合作报道 ↗ Base Labs在X上的合作声明 ↗
信息源：techcrunch.com
MoRE让相邻层组共享一个专家池、各层保留自己的路由器，并用轻量可学习深度嵌入区分层；作者自报在114M至1.15B参数三个规模上，同等算力与参数预算下困惑度低于标准MoE和权重共享架构，且仅需少量改动现有MoE实现。
此前标准MoE各层专家互不共享，权重共享架构则难以区分层间差异，MoRE试图以共享池加深度嵌入兼顾参数效率与层区分。
以上困惑度对比为Eric S. Qiu、Kilian Q. Weinberger等七名作者自报，未给出第三方基准名称，规模较小。
结果未经第三方复现；预印本9月16日提交arXiv、17日更新v2，页面标注获COLM 2026接收（arXiv:2609.18176）。
信息源：arxiv.org
冻结MapAnything基座后仅训练重采样器、跨组桥接与多帧位姿头三个模块，G2G用约32M参数——不足全模型6%——即可做两组图像间的相对6-DoF位姿估计，且只用相对位姿监督。
以往做法通常微调整个模型，训练量大，也难以保留基座通用能力。
作者自报，在室内外仿真、真实跨季节与零样本sim-to-real四个数据集上，跨序列重定位与多相机rig里程计精度达其所称最优，代码与权重已开源。
结果未经独立复现；该工作由Yufei Wei等八人完成，6月6日首提、9月17日更新v3的arXiv预印本（2606.08284）。
信息源：arxiv.org
Pinterest于9月17日宣布消费端AI功能Restyle：用户上传自家房间照片，用提示词添加家具、墙饰或更改灯光与墙面颜色，或点击单品替换删除，把收藏灵感放进自家空间预览。据TechCrunch，底层结合NVIDIA Blackwell GPU、Dynamo、开源模型与自研技术。功能先在美加以beta早期预览开放，下月扩大推送，或缩短从收藏到购买的路径。
来源：TechCrunch：Pinterest teases a new 'Restyle' feature that lets you redesign your room with AI ↗
信息源：techcrunch.com
百万token场景下，每个查询现在可以自适应决定读取4位K缓存的位数：作者自报Qwen3-8B解码步GPU耗时较136位稀疏扫描快1.67倍，此时KV缓存与索引驻留主机内存。
此前稀疏扫描按固定位数读取K缓存，无法随查询调整读取量。
该对比由作者自测：计时用合成KV，真实编程代理会话中92位即匹配最准扫描的步一致性；索引在GPU内存时无加速。
单作者arXiv预印本（2609.17652），9月15日提交、17日更新v2，未经独立验证。
资料来源：arXiv预印本 ↗、作者代码仓库 ↗
信息源：arxiv.org
在RTX 2060上用ONNX Runtime部署SmolVLA，p99延迟可从1181毫秒降至601/532毫秒，但LIBERO仿真中Spatial成功率会从70%跌至41%，Object保持89%。
此前若想降低该模型推理延迟，缺少ONNX部署路径下的延迟与成功率对照数据，容易在压缩后误判能力保持情况；审计还发现INT8导出实为FP32图。
单作者预印本自报：在LIBERO仿真中评测，Spatial成功率70%→41%，Object保持89%，p99延迟1181毫秒→601/532毫秒；作者称语言宽度取24可恢复到75%、延迟约为基线一半，但宽度未解释全部差异。
该结果仅限RTX 2060与LIBERO仿真，尚无他人复现；预印本9月12日提交、16日更新。
信息源：arxiv.org
将潜动作特征按多头分解、每头配独立码本的动作分词器M2Tok，作者自报能降低重建误差并提升VLA任务成功率，代码已开源。
此前离散动作分词方法受单一码本量化表达空间限制，重建损失较高，制约下游VLA表现。
Chunpu Xu、Yao Mu等九名作者自报，M2Tok的重建损失显著低于既有离散动作分词方法，基于它的VLA在RoboTwin、Simpler-Env与3项零样本真实任务上成功率提升。
以上为作者自报结果，尚无第三方复现；该工作9月16日提交arXiv（id 2609.18259，标注ECCV 2026）。
信息源：arxiv.org
室内机器人现在可以在禁用 RGB 的隐私保护场景下，仅凭深度做开放词汇 3D 分割：UTTO 以预测不确定性为信号，对冻结的开放词汇 3D 分割骨干做测试时优化，作者称在 ScanNet 与 Matterport3D 上对多个深度-only 骨干取得一致提升。
此前这类场景只能依赖 RGB 或需重训骨干，禁用 RGB 时分割质量受限。
该结果由 Huang 等三位作者自报，并附隐私可恢复性分析与真机案例；尚未见他人复现，论文 2026 年 7 月 1 日首提、9 月 17 日更新至 v2（arXiv:2607.00978）。
信息源：arxiv.org