推测解码通过草稿模型生成候选token，目标模型并行验证，以接受-拒绝机制保证输出分布与直接采样等价，从而加速自回归推理。其加速效果取决于接受率、草稿模型成本及批大小，批增大或模型变大时收益下降。Medusa、EAGLE、MTP是三种草稿来源方案，各有优劣。

HTC 发布 VIVE Eagle AI 智能眼镜，具备音乐播放、语音助理、智能拍照和翻译功能，轻便且支持多语言实时翻译，续航持久。奥图码推出支持 4K 和高刷新率的 UHR90DV 家庭投影仪。Apple 在深圳开设新零售店，提供个性化服务。FFmpeg 新增 AI 语音转写功能。充电宝新规将于 8 月 15 日实施，以提升产品质量与安全。

vLLM 是一款专为大语言模型推理加速设计的框架，解决了内存管理瓶颈，实现了几乎零浪费的 KV 缓存内存，支持多种参数设置，能够高效生成文本，适用于 AI 应用。

本研究提出了一种高效的异构图异常检测模型EAGLE，通过学习异常节点与正常节点在局部上下文距离上的差异，实验结果表明其在三种异构网络数据集上优于现有方法。

本文探讨了英伟达的视觉语言模型Eagle 2，强调数据策略在模型开发中的关键作用。作者详细介绍了数据收集、过滤和选择的方法，提出多样化数据可提升模型性能。Eagle 2在多模态基准测试中表现出色，展示了开源视觉语言模型的潜力与发展方向。

英伟达发布的GR00T N1模型结合视觉与语言指令，通过双系统架构实现机器人动作生成。该模型利用真实与合成数据进行训练，采用Eagle-2 VLM作为推理模块，DiT模块用于高频动作输出。团队计划在上海建立具身算法开发团队，招聘经验丰富的开发者和实习生。

该论文提出了一种新方法，通过边界框坐标增强多模态大语言模型的指称理解能力。实验结果表明，该方法在视觉语言和指称理解任务中优于其他方法，提升了模型的空间感知和语义理解能力。此外，研究介绍了新颖的多模态模型和基准测试，为未来研究奠定了基础。

EAGLE框架通过自下而上的特征级联操作，实现大型语言模型的无损加速。自我推测解码方法分为草稿和验证两个阶段，确保输出质量与原始模型一致。该方法无需额外训练，最高可加速1.73倍，显著提高推理效率，适用于多语言环境，优化推理时间和生成准确性。

本文提出了一种名为CROVIA的跨视角适应方法，利用几何约束和多模态网络，实现无人机视角下的城市场景语义分割。研究表明，无监督领域自适应有效，通过鸟瞰图和交叉模态学习优化表示建模，显著提升三维语义分割性能。此外，联合几何和统计对齐方法在多个视觉识别任务中表现优越，展示了无标签数据的有效利用潜力。

RWKV Foundation发布了新架构的最新论文，介绍了Eagle和Finch两种改进的RWKV架构，提高了模型表达能力和推理效率。新架构还增强了多语言能力，并在基准测试中表现出竞争力。未来的工作将聚焦于扩大训练数据集和训练更大规模的Finch模型。