AI FRONTIER
Signals worth understanding before they become obvious.
Flint-interactive: Eine Sprache zum Erstellen interaktiver Datenvisualisierungen
Microsoft Research hat Flint-interactive veröffentlicht, eine auf Flint aufbauende Sprache, mit der KI-Agenten Klicken, Filtern, Zoomen, Hervorheben und diagrammübergreifende Interaktionen über semantische Ereignisse und Update-Operatoren definieren; die Interaktionslogik übernimmt der Flint-Compiler.
- Flint-interactive löst Rohauslöser wie Klicks, Ziehen und Tastendrücke in semantische Ereignisse auf, die Diagrammelemente und Daten identifizieren.
- Nutzer legen Interaktionen fest, indem sie semantische Ereignisse auf Diagramm-Update-Operatoren wie set style, set annotation und set viewport abbilden, ohne rendererspezifische Marken zu manipulieren.
- Es ist über Flint-MCP und MCP Apps in Chat- oder Canvas-Umgebungen nutzbar, wo ein Agent neben der Flint-Diagrammspezifikation ein interaction_spec erzeugen kann.
- Flint Interactive Canvas erlaubt Apps, semantische Ereignisse mit Event-Handlern zu verarbeiten, um eine Tabelle zu filtern, ein anderes Diagramm zu aktualisieren oder den Anwendungszustand zu ändern.
Für Entwickler von Datenagenten kann das Auslagern der Interaktionslogik an den Compiler die Token- und Zeitkosten wiederholter Generierung und Fehlersuche interaktiver Diagramme senken und Layout- sowie Interaktionsfehler verringern.
WorldStream: Interaktive 3D-Welten mit hierarchischer Planung und persistentem Zustand streamen
Die Arbeit stellt WorldStream vor, ein offenes 3D-Weltmodell, das spielbares Gelände über jede vorgegebene Karte hinaus erweitert, auf offene Sprache in der laufenden Welt reagiert und besuchte Orte samt ihren Bearbeitungen wiederherstellt. Ein hierarchischer Planer über einem typisierten Entscheidungsmodell gibt struk...
- Streaming trennt die Reichweite: Pläne laufen entlang des vorhergesagten Korridors voraus, die Kompilierung erfolgt nur dort, wo die Bewegung sie bald benötigt, und Geometrie hinter dem Nutzer wird freigegeben.
Für Teams, die Weltmodelle bauen, ist die Trennung von Planung, Kompilierung und persistentem Zustandsdatensatz ein konkreter Architekturweg zu Kohärenz zwischen Kacheln und Bearbeitbarkeit unter begrenzten Budgets.
Wenn Gedanken zu Erinnerung werden: In-Context-Lernen und Fine-Tuning vereint
Die Arbeit liefert eine zertifizierte Regel, die auf einem exakten Gesetz für den Informationswert beruht, um zu entscheiden, ob ungesehene Daten in den Kontext oder die Gewichte eines vortrainierten Modells gehören, und ein jederzeit gültiger Test trifft diese Wahl aus zurückgehaltenen Anfragen.
- Die Arbeit berichtet, dass der Test in 61.948 von 64.000 Anfrage-Streams über 32 Vergleiche das Bessere aus GPT-2s Cache und Fine-Tuning wählt.
- Die Arbeit berichtet, dass er in höchstens 3,3 % der Null-Streams irrt.
- Die Arbeit berichtet, dass ein Patch, der ein Formmerkmal sieht, die Codelänge eines Occupancy-Netzwerks dort um das Hundertfache senkt, während acht, die es verfehlen, sie fast verdoppeln.
- Die Arbeit berichtet, dass die Bewertung bei einer Ja-oder-Nein-Behauptung einen veröffentlichten Evidenz-Adjudikator wiederherstellt, mit AUROC 0,91.
Diese zertifizierte Regel erlaubt es Entwicklern, aus einer Messung und zurückgehaltenen Anfragen zu entscheiden, ob Daten in den Kontext oder die Gewichte gehören, was die Kosten der Wahl zwischen In-Context-Lernen und Fine-Tuning senkt.
Neues OpenRouter-Modell: Recursive: Flint (kostenlos)
Flint ist ein offenes Mixture-of-Experts-Modell von Recursive mit etwa 2,5 Mrd. aktiven Parametern bei insgesamt 40 Mrd., entwickelt vom Autorecherche-System Eureka Machine von Recursive für Coding-Agenten.
- Insgesamt 40 Mrd. Parameter, davon etwa 2,5 Mrd. aktive Parameter
- Kontextfenster von 262.144 Tokens
- Veröffentlicht am 21. Oktober 2026
- Kostenloser Endpunkt mit Ratenlimits; akzeptiert Tools für Funktionsaufrufe und unterstützt response_format für JSON-Ausgabe ohne JSON-Schema-Durchsetzung
Für Entwickler von Coding-Agenten bietet Flint eine kostenlose Open-Weight-Option mit 2,5 Mrd. aktiven Parametern und 262K-Kontextfenster zum Testen.
SimHack: Vorhersage des Beginns von erkennbarem Reward Hacking vor dem RL-Training
Das Paper stellt SimHack vor, einen Simulator, der die Trainingsdynamik von Reward Hacking aus wenigen kleineren Referenz-RL-Läufen lernt und kontrafaktische Simulationsläufe für ungesehene Zielrezepte ohne kostspieliges Neutraining erzeugt, um die Verteilung des Beginnschritts von Reward Hacking vorherzusagen.
- Das Paper berichtet, dass SimHack den medianen Beginn bei ungesehenen Zielrezepten mit einem relativen Fehler von 11,3 % vorhersagt und eine Rangkorrelation zwischen Rezepten von 0,85 erreicht.
- SimHack generalisiert auf Unterschiede in Modellgröße, Curriculum, Anzahl der Rollouts und Lernrate zwischen Referenz- und Zielrezepten.
- Als Anwendung filtert SimHack Kandidaten-RL-Curricula und findet Curricula über dieselbe Szenariomenge, die 96,6 % länger ohne Hacking trainieren.
- Das Paper stellt fest, dass die anfängliche Hacking-Rate allein den Beginn nicht bestimmt, der zwischen Trainingsrezepten und wiederholten Läufen stark variiert.
Entwickler können Curricula mit SimHack vor teuren RL-Läufen vorab prüfen, um kostengünstig Rezepte mit geringerem Risiko zu wählen.
KVLearn: gelerntes KV-Cache-Retention für disaggregiertes LLM-Serving
Die Arbeit stellt KVLearn vor, ein lernbasiertes Framework für kostenbewusste KV-Cache-Retention in disaggregiertem LLM-Serving, bestehend aus einem Prefix Reuse Predictor (PRP), einem Cost-Aware Retention Score (CARS) und einem Adaptive Threshold Controller (ATC), evaluiert auf Text- und multimodalen Workloads.
- Die Arbeit berichtet Reduktionen der End-to-End-Time-to-First-Token von bis zu 56 % gegenüber No-Cache, 38 % gegenüber LRU-Pool und 33 % gegenüber Mooncake-artigen Baselines.
- Die Arbeit berichtet eine Reduktion des KV-Transfervolumens zwischen Knoten um bis zu 53 % gegenüber LRU-Pool.
- Auf MM-Session bleibt der Durchsatz innerhalb von etwa 5 % des Oracle.
- PRP schätzt die Wiederverwendungswahrscheinlichkeit aus strukturellen und zeitlichen Prefix-Merkmalen, ohne Modellgewichte zu ändern; die Arbeit wurde bei ACM SYSTOR 2026 angenommen und der Code ist verfügbar.
Für Teams, die disaggregiertes Inferenz-Serving aufbauen, zeigt KVLearn, dass die Einbeziehung von Neuberechnungs-, Transfer- und Speicherkosten in Cache-Admission-Entscheidungen sowohl Time-to-First-Token als auch Bandbreite zwischen Knote...
MPS in PyTorch 2.15: FP8-Unterstützung und 5–6,5× schnelleres MoE-Decoding
PyTorch 2.15 bringt FP8-Tensoren, natives gruppiertes Matmul und dedizierte Metal-Kernel in das MPS-Backend, beschleunigt das Decoding von MoE-Modellen um das 5–6,5-Fache gegenüber 2.14 und erfordert macOS 15 sowie Python 3.11 oder neuer.
- torch.float8_e4m3fn-Tensoren laufen jetzt auf MPS mit einem Byte pro Wert, also halb so viel Speicher wie FP16 oder BF16, und F.scaled_mm unterstützt tensorweise und zeilenweise Skalierung.
- Auf einem M3 Ultra mit torch.compile steigt Qwen3.6-35B-A3B von 9,4 auf 61,3 tokens/s und LFM2.5-8B-A1B von 23,6 auf 123,6 tokens/s.
- Über 96 BF16-Layer-Formen aus realen Modellen ergibt die Anbindung der GEMV-Kernel an F.linear eine geometrische mittlere Beschleunigung von 1,23×.
- Der Spitzen-Treiberspeicher beim VAE-Decoding von Wan2.2 sinkt von etwa 270 GiB auf 8 GiB, und FP32-Softmax über eine [1, 128256]-Logits-Zeile sinkt von 57 µs auf 7 µs.
Entwickler auf dem Mac können mit FP8-Gewichten Speicher sparen und das Decoding von MoE- und dichten LLMs deutlich beschleunigen, sofern sie auf macOS 15 und Python 3.11 umsteigen.
Große Behauptungen, kleine Abstände: Halten berichtete GraphLLM-Gewinne einfachen Baselines stand?
Die Arbeit vergleicht vier Baseline-Vertreter, die nur über Validierung ausgewählt wurden, mit dem höchsten Mittelwert, den drei aktuelle Studien für eine LLM-basierte Methode auf übereinstimmenden Splits berichten, und dokumentiert Evaluationsrisiken im veröffentlichten Code.
- Correct & Smooth auf TF-IDF-Merkmalen liegt um einen Median von 2,3 Prozentpunkten hinter der Referenz, ein MLP auf eingefrorenen e5-large-v2-Embeddings um 2,8 Punkte.
- Correct & Smooth liegt bei 15 von 24 Aufgaben innerhalb von 3 Punkten zur Referenz oder besser, doch die Referenz ist bei 12 von 22 testbaren Aufgaben signifikant höher.
- Berichte derselben Methode auf demselben Split unterscheiden sich um bis zu 12,5 Punkte zwischen Arbeiten, deren Konfigurationen nicht als übereinstimmend dokumentiert sind.
Entwickler von GraphLLM-Knotenklassifikations-Pipelines sollten getunte TF-IDF- und Frozen-Embedding-Baselines auf denselben Splits ausführen und Datenloader sowie Tuning-Protokolle prüfen, bevor sie berichteten State-of-the-Art-Gewinnen ve...