联邦学习（FL）与差分隐私（DP）在自动语音识别（ASR）中的应用尚待深入。本文通过逐层裁剪和梯度归一化技术，缓解了大模型在FL中面临的梯度异质性问题。实验结果表明，在强隐私保护下，FL与DP在用户规模达到数百万时是可行的，并且在不同规模下的字错误率有所改善。这为大模型的隐私保护FL算法设计提供了指导。

PlanetScale推出Postgres，并通过内部工具“Telescope”进行基准测试，确保数据库性能。在延迟、TPS和IOPS等方面，PlanetScale在与其他云Postgres提供商的比较中表现优异，展示了其卓越性能。

AMD发布线程撕裂者9000系列处理器基准测试，旗舰款9995WX拥有96核心和192线程，性能显著提升，预计7月上市，领先英特尔至强处理器。

Agentica项目与Together AI发布了DeepCoder-14B-Preview，这是一个基于Deepseek-R1-Distilled-Qwen-14B的开源AI编码模型。该模型在LiveCodeBench上的通过率为60.6%，超过了OpenAI的o1模型。开发团队通过强化学习优化了模型，并共享了数据集、代码和训练日志，旨在推动RL训练的民主化。DeepCoder在多个编码基准测试中表现优异，显著缩短了训练时间。

OpenAI宣布o3模型价格下调80%，输入费用从10美元降至2美元，输出费用从40美元降至8美元。尽管开发者担心性能下降，OpenAI表示模型未变，仅优化了服务堆栈。独立测试证实o3性能与原版相同。新旗舰模型o3-pro仅限于ChatGPT Pro和Team用户，价格较高。

本文探讨了多智能体架构的动机与限制，基于Tau-bench数据集进行性能基准测试，并改进了“监督者”实现，性能提升近50%。多智能体系统有助于模块化设计、复杂任务处理及不同团队协作。尽管大多数架构为定制型，通用架构在易用性上也具优势。作者认为多智能体系统将日益普及。

由 LLM 驱动的 AI 代理在复杂业务任务中展现潜力，但评估存在挑战。现有基准测试主要集中于简单场景，缺乏对敏感信息的管理能力。Salesforce AI Research 推出的 CRMArena-Pro 基准测试真实评估 LLM 代理在客户服务和销售等领域的表现，包含多轮对话和保密意识测试。研究表明，顶级模型在单轮任务中的准确率约为 58%，而多轮对话降至 35%。

基准测试中发现，使用pgbench进行只读操作时，客户端数量增加到22时吞吐量骤降，100个客户端时又恢复。分析排除了锁、CPU资源竞争和NUMA等因素，怀疑与内核任务调度有关。将进程固定到同一核心后，吞吐量显著提升，表明任务调度对性能影响显著。

BlazeHTTP是一款用户友好的WAF保护评估工具，提供33669个样本，支持GUI和命令行，无需配置。它生成详细报告，评估检测率、误报率和准确性。与CloudFlare和ModSecurity比较，SafeLine在检测率和准确性上表现优异。