超越MLA！新架构MLRA百万token，解码最高2.8倍速 | ICLR'26

大语言模型处理长文本时，自回归生成受限于显存带宽。为减少KV缓存开销，业界尝试多种方法，但MLA有缺陷。宾夕法尼亚州立大学等研究人员提出MLRA，拆分KV缓存为四个并行分支，降低显存占用，实现4路张量并行，性能更优。

比Gemini 3记得更多，谷歌新框架将上下文记忆干到了200万！

Google在NeurlPS2025大会推出结合RNN与Transformer的全新架构Titans，能扩展到超200万个token上下文。背后涉及Titans和MIRAS两篇论文，共同推进测试时记忆概念，实验显示新架构性能出色。

本文关注vllm V1中管控模型分布式推理的Executor部分，介绍其类型、Executor-Workers架构及数据传输机制，对比V0架构优势，以单机多卡的MultiprocExecutor为例展开讲解，还提及不同数据量的传输方式及相关代码。

从华为“弃将”到打造两家上市公司，他如何成为中国“工控之王”？

过去二十多年，朱兴明打破欧美垄断，提升中国工业自动化核心零部件水平。他曾是华为员工，后创立汇川技术，带领其上市，还拆分出联合动力上市。他决策有得有失，如今又瞄准新领域。

软件正在吞噬劳动力：直接取代人类，捕获前所未有的经济价值

a16z 普通合伙人 Alex Rampell 演讲指出，软件正从辅助人类转向直接取代劳动。过去软件是将文件柜数字化，如今正从记录工具变为任务执行者，这将催生新商业模式，捕获巨大经济价值。

DeepMind：Transformer存在拓扑缺陷，思维链治标不治本

谷歌DeepMind论文指出，Transformer架构不擅长追踪状态，思维链只是给结构性缺陷打补丁，成本高。论文主张用循环架构替代或补充纯前馈结构，还提出多个研究方向，认为下一代模型需构建‘流动的现实表示’。

Specula在67个开源系统中找到382个深层bug，数月形式化验证缩短到几小时

截至2026年8月19日，Specula已在67个开源系统找出382个bug。它让coding agent自动生成TLA + 模型和正确性不变量，运行检查并复现问题，将数月的形式化验证缩短到几小时，降低了形式化方法使用门槛。

清华刘知远团队论文：最小化结构改动，短文本到长文本丝滑升级 | ICLR 2026

大语言模型发展中，上下文长度成关键瓶颈，主流架构计算开销大。清华刘知远团队提出《InfLLM-V2: Dense-Sparse Switchable Attention for Seamless Short-to-Long Adaptation》，提出可切换注意力框架，为长上下文研究提供新思路。

Meta 删邮件事故背后，OpenClaw 为什么会“失忆”？代码库维护者拆解记忆架构

文章围绕 OpenClaw“失忆”问题展开，由代码库维护者拆解其记忆架构。通过 Meta 删邮件事故引出代理记忆问题，分析记忆四层结构、三种失败模式，给出应对建议，还介绍检索工具、配置及故障排除方法。

硬核拆解 OpenClaw：如何构建真正稳健的生产级 Agent 系统？【上】

本文深入剖析 OpenClaw 的 Agent 任务引擎，介绍其‘工作室’、整体架构、调度与并发控制、高可用与容错机制等。指出其架构有工程智慧，对构建生产级 Agent 系统有参考价值，下篇将介绍更多实践。