SimpleDesign是一种多模态蛋白质设计模型，无需多阶段训练，直接在数据空间端到端训练，结合序列交叉熵与结构回归目标，采用Transformer多模态骨干，在超200万序列-结构对上训练，在协同设计和无条件生成任务上表现优异。

本文详解DeepSeek-V4模型结构：HCA将128个token压缩为一条目，无需稀疏选择；CSA与HCA交错排布，确保全局信息不丢失；滑窗分支弥补压缩导致近token不可见；Q/KV归一化替代QK-Clip；部分RoPE加输出反旋转消除绝对位置；attention sink解决softmax权重分配缺陷；1M上下文KV cache仅5.3GiB，FLOPs约38G。

本文介绍DeepSeek-V4模型中的压缩稀疏注意力（CSA）机制。KV缓存每4个token压缩为一条，1M上下文仍有26万条目，故用lightning indexer打分选择top-1024块。Indexer源自V3.2的DSA，采用64头128维、ReLU加权和FP4量化，通过KL散度模仿主注意力分布训练。V4将索引对象从token改为压缩块，query共享低秩latent。文章详述了indexer实现细节、一层CSA的完整维度流程及参数统计。

本文介绍DeepSeek-V4的注意力机制，从MHA到CSA/HCA的演进，重点分析压缩KV缓存的方法。V4将每4或128个token压缩为一条512维KV向量，采用重叠窗口和逐通道softmax加权，K与V共享单头，配合分组输出投影降低参数。相比前代，V4首次压缩缓存条目数，以支持1M上下文的高效推理。

本文介绍Kimi K3模型结构：采用3:1混合，每四层含一层Gated MLA（无位置编码、满秩sigmoid门），其余为KDA层。MLA低秩压缩KV至576维/token，KDA状态固定约232MB。3:1比例经实验选为质量与吞吐平衡点，1M上下文时KV cache约27.6GB，decode速度约为纯MLA的2.2倍。

本文介绍Kimi K3模型序列维度的chunkwise并行算法：将序列分块，块间递推状态、块内用矩阵乘并行计算。K3将每步log-decay加−5下界，使16-token对角tile也能用BF16矩阵乘，消除FP32逐位置对瓶颈。相比通用DPLR内核，KDA内核因结构简化速度快约一倍。训练和prefill用chunkwise形式，decode用递推形式。

本文介绍Kimi K3模型中KDA（Kimi Delta Attention）的递推形式，从线性注意力、DeltaNet到Gated DeltaNet演进而来。KDA通过逐通道衰减和擦除写入机制更新状态，每头128×128矩阵，不依赖上下文长度。它采用逐头RMSNorm和满秩sigmoid输出门，在合成任务中表现优于基线，并天然具备位置编码能力。

制造业IIoT产生高频传感器数据，传统数据库难以处理。文章指出五大趋势及数据层解决方案，并举例说明TimescaleDB如何优化PostgreSQL，实现存储减少83%、查询提速979倍，解决工业4.0数据挑战。

MIT团队开发了名为PottsMPNN的机器学习框架，用于改进计算蛋白质设计。该框架结合物理原理，能更准确建模序列-能量关系，生成结构可行但序列新颖的蛋白质，避免过度模仿天然序列。研究强调，传统以复现天然序列为成功标准并不最佳，PottsMPNN通过引入成对氨基酸相互作用和进化信息，提升了结构兼容性和突变稳定性预测，为设计新型蛋白质奠定基础。

蚂蚁国际发布自研时序AI预测大模型“鹰序TST”2.0版，在基准测试中取得最优成绩，预测准确率超93%。该模型专为跨境支付外汇风险管理设计，已获巴克莱、花旗等银行应用，并拓展至电商、航空等领域。文章还对比了Chronos-2、TimesFM等模型，强调金融场景需结合领域数据验证，通用榜单优势不等于稳定金融收益。

PostgreSQL导入数据后，因显式指定ID未更新序列，导致后续插入报主键重复。修复需用`setval(pg_get_serial_sequence(...), max(id))`，注意空表用`coalesce`，避免硬编码序列名。身份列可用`RESTART WITH`，批量修复可遍历目录，或改用生成数据避免显式ID。

本文提出Bayesian Ensemble（BE）框架，在现有集成方法上增加轻量级贝叶斯层，动态更新成员选择分布而非固定均匀采样。基于此提出BEB（bandit）和BE-DQN（强化学习），在合成环境、Yahoo!R6B推荐和MiniGrid任务中均优于基线，提升探索效率，论文被ICLR 2026接收。

Meta广告推荐系统采用多阶段序列模型架构，将离线用户建模与在线排序解耦，结合密集分词和目标感知注意力，实现LLM式可预测扩展。该方案提升Instagram转化率6%、Facebook转化率3%和广告点击率3.5%，并作为GEM核心组件，支持模型规模高效扩展。

MiniCPM推出具身智能模型系列，包括15亿参数的机器人操作模型和0.9B参数的目标跟踪模型，实现端到端映射与实时跟踪。HyperAI官网更新了9个数据集、8个教程等资源，涵盖数学推理、视觉推理等领域，并精选社区文章和百科词条。

RoboTTT将机器人基础模型的视觉-运动上下文扩展至8K时间步，通过测试时训练更新快速权重，在不增加推理延迟下提升性能。相比单步基线，任务性能提高87%，能完成五分钟十阶段装配任务，并支持一次性模仿和即时策略改进，表明上下文长度是机器人模型的新扩展维度。

本文讨论了Gilbreath猜想及其相关序列的研究进展，展示了Gilbreath数组的期望序列及数值模拟结果。尽管序列的渐近行为尚不明了，但研究表明其与Lucas定理、Kummer定理和Sierpinski三角形有关。作者希望获得更多关于渐近概率模型的建议。

PostgreSQL 19引入了序列同步功能，解决了逻辑复制中序列状态未复制的问题。用户可以通过pg_createsubscriber和pg_upgrade工具实现几乎零停机的升级，确保序列值与数据一致，避免重复键值。用户需在重定向写入前执行ALTER SUBSCRIPTION ... REFRESH SEQUENCES，以确保序列安全同步。这一改进显著提升了在线升级的可靠性。