EMNLP2025 | 探究大语言模型的语言共享神经元提升低资源语言能力

论文提出BridgeX - ICL方法提升LLM低资源语言性能，通过三步实现优化。构建两类探测数据解决传统问题，识别重叠神经元，用HSIC选最优桥梁语言，在多任务实验验证其有效，揭示多语言机制规律。

最受欢迎的开源大模型推理框架 vLLM、SGLang 是如何炼成的？

文章介绍了开源推理引擎 vLLM 和 SGLang，包括起源、创新、社区发展、版本迭代等。vLLM 借鉴分页缓存管理技术，SGLang 基于 RadixAttention 优化。二者竞争激烈，性能趋同，还获投资与基金会关注，受科技公司青睐。

The Batch: 871 | Mistral测量了大语言模型的能耗、水耗与物料消耗

法国AI公司Mistral发布对Mistral Large 2的环境分析报告，涵盖全生命周期影响。研究表明单次使用影响小，但累计负担大。虽研究有不足，但其方法或推动环保型AI发展。

RAG效果不佳？先别急着微调模型，这几个关键节点才是优化重点

文章深入探讨RAG技术实现与优化，指出其在AI应用开发中常被当黑盒，从文档分块、索引增强、编码、混合检索到重排序等关键环节解析，强调结合场景调优以提升召回与精确率。

从Debugger到Developer : 低代码时代新基准NoCode-bench，SWE-Bench作者力荐

浙江大学牵头联合多机构推出全新评估基准NoCode - bench，直面自然语言驱动功能添加任务，发现当前最佳LLM成功率仅两成。它构建严谨，任务挑战大，指明AI软件开发改进方向，且已开源。

Meta-Think ≠ 记套路，多智能体强化学习解锁大模型元思考泛化

上海交通大学等团队提出ReMA框架，将复杂推理解耦为元思维和推理智能体，通过迭代强化学习协作。在单轮实验中，ReMA在多基准测试表现优；多轮实验虽有提升但不稳定，需进一步探索。

谷歌将 A2A 捐赠给 Linux 基金会，但代码实现还得靠开发者自己？！

当地时间 6 月 23 日，Linux 基金会宣布与多公司成立 A2A 项目，由谷歌捐赠协议规范等。A2A 支持智能体通信协作，谷歌称其将在中立治理下开发普及。此外还对比了 A2A 与 MCP、ACP 等协议，探讨实际应用问题。

谷歌将 A2A 捐赠给 Linux 基金会，但代码实现还得靠开发者自己？！

当地时间6月23日，Linux基金会宣布与多公司成立A2A项目，由谷歌捐赠协议规范等。A2A是谷歌4月推出的开放标准，支持智能体通信协作。有开发者认为它或削弱MCP地位，但谷歌称是其“补充”。实际应用有诸多问题待解。

大模型从“胡说八道”升级为“超级舔狗”，网友：再进化就该上班了

AI开始研究Physical AI：FSD级团队亮出首版模型Simate-beta，空降RoboDojo

本文介绍成立仅三个月的Simate公司，核心团队曾打造对标特斯拉FSD的智驾系统，现已推出首版通用物理快系统Simate-beta，登顶RoboDojo，采用AI-native自动化体系研发Physical AI，已开启AutoResearch平台内测，完成多轮数亿元融资。