检索标题、摘要与正文，把分散的信息连起来。
清华大学与香港中文大学研究人员于2026年10月26日开源AKV——一个基于SGLang构建、专为大语言模型（LLM）智能体设计的KV缓存工程服务器。该系统通过让智能体主动丢弃并重定位KV缓存（而非传统文本历史摘要），在4个智能体基准测试中平均降低推理成本27.7%，任务平均得分提升1.7分。代码采用Apache-2.0许可证，当前支持Qwen、GPT-OSS-120B和MiniMax-M2.7等模型。
推荐理由：该成果代表LLM智能体高效推理的新范式：区别于依赖文本截断或摘要的‘上下文工程’，AKV直接操作KV缓存状态，避免重复prefill，显著缓解长程交互中的KV压力；实测显示高并发下P95延迟从229.9秒降至30.6秒，具备明确工程价值与可复现性；信息源自MarkTechPost发布的权威技术报道，发布时间（2026-10-26T07:56:45Z）与当前时间一致，属最新公开进展。
2026年10月24日，arXiv发布论文arXiv:2610.30705v1，提出ULME——一种面向因果解码器型大语言模型的后训练框架，通过预测耦合（predictive coupling）机制，首次实现文本嵌入与语言生成能力的相互增强式统一。该方法在Qwen2.5/Qwen3系列（0.5B–8B参数）上验证有效，MTEB提升3.3–4.1分，同时保持生成任务（MMLU等）性能不降。
推荐理由：该论文直指当前多模态LLM能力割裂的核心问题：嵌入与生成长期由独立模型或仅参数共享的‘伪统一’模型承担。ULME通过可学习插槽与三目标联合训练（含stop-gradient预测损失），使生成过程主动塑造嵌入表征，属架构层面的实质性突破；实验覆盖广、基线强、指标全面，且发布于权威预印本平台，时效性与技术严谨性兼备。
2026年10月24日发布的arXiv论文（2610.31017v1）指出，在文档级LoRA适配器评估中，开放书评分（open-book scoring）高度依赖模型即时阅读能力，而非适配器是否真正编码了对应文档的知识；随机适配器在开放书任务中可复现82%的专家适配器优势，但在无源文本的完形填空（cloze）任务中仅复现2%（统计上不可区分于零）。
推荐理由：该研究通过系统控制实验（150篇维基百科文章、Llama-3.1-8B-Instruct模型、双任务对比）揭示了当前开放书评估范式的根本局限性：它无法有效区分‘读取’与‘记住’，对知识编辑和检索型适配器的实际效用构成方法论挑战；论文同时报告了四个导致‘干净但错误结果’的静默错误，凸显可复现性风险。
Dharma-AI提出VocabX方法，针对特定任务（如葡萄牙语作文自动评分）重构语言模型词汇表，以生成代价而非词频为优化目标，在不修改模型结构、参数或训练流程的前提下，实测推理成本下降77%，同时评估质量（bench score）从0.703提升至0.810。
IBM推出Granite Speech 5.0系列三个开源语音模型——granite-speech-5.0-2b（高精度多语种ASR/MT）、granite-speech-5.0-470m-turboctc（超快边缘端多语种转录）和更新版granite-speech-4.1-2b-plus（增强型多说话人会话建模），全部基于Apache 2.0许可，支持主流推理框架。
