AI FRONTIER
Signals worth understanding before they become obvious.
Flint-interactive: bahasa untuk membuat visualisasi data interaktif
Microsoft Research merilis Flint-interactive, bahasa yang dibangun di atas Flint dan memungkinkan agen AI mendefinisikan klik, filter, zoom, sorotan, serta interaksi antarchart melalui peristiwa semantik dan operator pembaruan, dengan logika interaksi ditangani kompilator Flint.
- Flint-interactive mengubah pemicu mentah seperti klik, seret, dan penekanan tombol menjadi peristiwa semantik yang mengidentifikasi elemen chart dan data.
- Pengguna menetapkan interaksi dengan memetakan peristiwa semantik ke operator pembaruan chart seperti set style, set annotation, dan set viewport, tanpa memanipulasi mark khusus renderer.
- Ini dapat digunakan di lingkungan chat atau kanvas melalui Flint-MCP dan MCP Apps, tempat agen dapat menghasilkan interaction_spec bersama spesifikasi chart Flint.
- Flint Interactive Canvas memungkinkan aplikasi memproses peristiwa semantik dengan event handler untuk memfilter tabel, memperbarui chart lain, atau mengubah status aplikasi.
Bagi pengembang agen data, menyerahkan logika interaksi ke kompilator dapat menekan biaya token dan waktu untuk menghasilkan serta men-debug chart interaktif berulang kali, sekaligus mengurangi risiko kegagalan tata letak dan interaksi.
WorldStream: Streaming Dunia 3D Interaktif dengan Perencanaan Hierarkis dan Status Persisten
Makalah ini memperkenalkan WorldStream, model dunia 3D terbuka yang memperluas medan yang dapat dimainkan melampaui peta yang telah ditentukan, bertindak atas bahasa terbuka di dunia yang sedang berjalan, dan memulihkan tempat yang pernah dikunjungi beserta editannya. Perencana hierarkis di atas model keputusan bertipe...
- Streaming memisahkan jangkauan: rencana berjalan lebih dahulu di sepanjang koridor yang diprediksi, kompilasi hanya terjadi di tempat pergerakan akan segera membutuhkannya, dan geometri di belakang pengguna dilepaskan.
Bagi tim yang membangun model dunia, memisahkan perencanaan, kompilasi, dan catatan status persisten adalah jalur arsitektur konkret menuju koherensi antarubin dan kemampuan edit dalam anggaran terbatas.
Ketika Pikiran Menjadi Memori: Menyatukan Pembelajaran Dalam Konteks dan Fine-Tuning
Makalah ini memberikan aturan tersertifikasi, yang dibangun di atas hukum eksak nilai informasi, untuk menentukan apakah data yang belum pernah dilihat masuk ke konteks atau bobot model terlatih, dan uji yang valid kapan saja membuat pilihan itu dari kueri yang disisihkan.
- Makalah melaporkan uji tersebut memilih yang lebih baik antara cache dan fine-tune GPT-2 pada 61.948 dari 64.000 aliran kueri dalam 32 perbandingan.
- Makalah melaporkan uji itu salah pada paling banyak 3,3% aliran nol.
- Makalah melaporkan satu patch yang melihat fitur bentuk memotong panjang kode jaringan okupansi di sana seratus kali lipat, sedangkan delapan yang melewatkannya hampir menggandakannya.
- Makalah melaporkan bahwa pada klaim ya-atau-tidak, valuasi tersebut memulihkan adjudikator bukti yang telah diterbitkan, dengan AUROC 0,91.
Aturan tersertifikasi ini memungkinkan pembangun memutuskan dari satu pengukuran dan kueri yang disisihkan apakah data harus masuk ke konteks atau bobot, sehingga menurunkan biaya memilih antara pembelajaran dalam konteks dan fine-tuning.
Model baru OpenRouter: Recursive: Flint (gratis)
Flint adalah model mixture-of-experts berbobot terbuka dari Recursive dengan sekitar 2,5B parameter aktif dari total 40B, dibangun oleh sistem autoresearch Eureka Machine milik Recursive untuk agen pengkodean.
- Total 40B parameter dengan sekitar 2,5B parameter aktif
- Jendela konteks 262.144 token
- Dirilis pada 21 Oktober 2026
- Endpoint gratis dengan batas laju; menerima tools untuk pemanggilan fungsi dan mendukung response_format untuk keluaran JSON tanpa penegakan JSON-schema
Bagi pengembang agen pengkodean, Flint menawarkan opsi berbobot terbuka tanpa biaya dengan 2,5B parameter aktif dan jendela konteks 262K untuk diuji.
SimHack: Memprediksi awal reward hacking yang dapat dideteksi sebelum pelatihan RL
Makalah ini memperkenalkan SimHack, simulator yang mempelajari dinamika pelatihan reward hacking dari beberapa run RL referensi berskala lebih kecil dan menghasilkan run simulasi kontrafaktual untuk resep target yang belum terlihat tanpa pelatihan ulang yang mahal, guna memprediksi distribusi langkah awal reward hackin...
- Makalah melaporkan bahwa SimHack memprediksi awal median dengan galat relatif 11,3% dan mencapai korelasi peringkat antar-resep 0,85 pada resep target yang belum terlihat.
- SimHack menggeneralisasi terhadap perbedaan skala model, kurikulum, jumlah rollout, dan learning rate antara resep referensi dan target.
- Sebagai aplikasi, SimHack menyaring kandidat kurikulum RL dan menemukan kurikulum pada himpunan skenario yang sama yang berlatih 96,6% lebih lama tanpa hacking.
- Makalah menemukan bahwa laju hacking awal saja tidak menentukan awal, yang sangat bervariasi antar-resep pelatihan dan run berulang.
Pembangun dapat menyaring kurikulum dengan SimHack sebelum run RL yang mahal untuk memilih resep berisiko lebih rendah dengan biaya rendah.
KVLearn: Retensi Cache KV Berbasis Pembelajaran untuk Serving LLM Terdisagregasi
Makalah ini memperkenalkan KVLearn, kerangka berbasis pembelajaran untuk retensi cache KV yang sadar biaya pada serving LLM terdisagregasi, yang menggabungkan Prefix Reuse Predictor (PRP), Cost-Aware Retention Score (CARS), dan Adaptive Threshold Controller (ATC), serta dievaluasi pada beban kerja teks dan multimodal.
- Makalah melaporkan penurunan time-to-first-token end-to-end hingga 56% dibandingkan No-Cache, 38% dibandingkan LRU-Pool, dan 33% dibandingkan baseline bergaya Mooncake.
- Makalah melaporkan volume transfer KV antar-node berkurang hingga 53% dibandingkan LRU-Pool.
- Pada MM-Session, throughput tetap dalam sekitar 5% dari oracle.
- PRP memperkirakan probabilitas penggunaan ulang dari fitur prefix struktural dan temporal tanpa mengubah bobot model; makalah diterima di ACM SYSTOR 2026 dan kodenya tersedia.
Bagi tim yang membangun serving inferensi terdisagregasi, KVLearn menunjukkan bahwa memasukkan biaya komputasi ulang, transfer, dan penyimpanan ke dalam keputusan penerimaan cache dapat menurunkan time-to-first-token sekaligus bandwidth ant...
MPS di PyTorch 2.15: dukungan FP8 dan dekode MoE 5–6,5× lebih cepat
PyTorch 2.15 menghadirkan tensor FP8, matmul terkelompok native, dan kernel Metal khusus ke backend MPS, membuat dekode model MoE 5–6,5 kali lebih cepat daripada 2.14 serta memerlukan macOS 15 dan Python 3.11 atau lebih baru.
- Tensor torch.float8_e4m3fn kini berjalan di MPS dengan satu byte per nilai, setengah penyimpanan FP16 atau BF16, dan F.scaled_mm mendukung penskalaan per tensor dan per baris.
- Pada M3 Ultra dengan torch.compile, Qwen3.6-35B-A3B naik dari 9,4 ke 61,3 tokens/s dan LFM2.5-8B-A1B dari 23,6 ke 123,6 tokens/s.
- Pada 96 bentuk lapisan BF16 dari model nyata, menghubungkan kernel GEMV ke F.linear memberi percepatan rata-rata geometrik 1,23×.
- Puncak memori driver pada dekode VAE Wan2.2 turun dari sekitar 270 GiB menjadi 8 GiB, dan softmax FP32 pada baris logits [1, 128256] turun dari 57 µs menjadi 7 µs.
Pengembang di Mac dapat menghemat memori dengan bobot FP8 dan mempercepat dekode LLM MoE maupun dense, asalkan beralih ke macOS 15 dan Python 3.11.
Klaim Besar, Margin Kecil: Apakah Keunggulan GraphLLM yang Dilaporkan Bertahan terhadap Baseline Sederhana?
Makalah ini membandingkan empat perwakilan baseline, yang disetel hanya dengan pemilihan pada validasi, terhadap rata-rata tertinggi yang dilaporkan masing-masing dari tiga studi terbaru untuk metode berbasis LLM pada split yang dipasangkan, dan mendokumentasikan risiko evaluasi pada kode yang dirilis.
- Correct & Smooth pada fitur TF-IDF tertinggal dari referensi dengan median 2,3 poin persentase, dan MLP pada embedding e5-large-v2 yang dibekukan tertinggal 2,8 poin.
- Correct & Smooth berada dalam 3 poin dari referensi atau lebih baik pada 15 dari 24 tugas, tetapi referensi secara signifikan lebih tinggi pada 12 dari 22 tugas yang dapat diuji.
- Laporan metode yang sama pada split yang sama berbeda hingga 12,5 poin antar makalah yang konfigurasinya tidak didokumentasikan cocok.
Pembangun pipeline klasifikasi node GraphLLM harus menjalankan baseline TF-IDF yang disetel dan embedding yang dibekukan pada split yang sama serta mengaudit loader data dan protokol penyetelan sebelum mempercayai keunggulan state-of-the-ar...