微软发布 Physical AI Toolchain 的推理卸载功能
微软在其开源框架 Physical AI Toolchain 中增加了面向机器人的推理卸载功能。研究表明，将物理 AI 推理从机器人板载 GPU 卸载到边缘或云端，能显著提升任务成功率、支持运行更大模型，并大幅延长电池续航时间。该工具集基于 Kubernetes，支持容器化部署和智能策略分发，并已提供针对 SO-101 和 UR10e 机器人的示例项目。
#部署/工程
Microsoft ResearchAI 评分5858
Berkeley AI ResearchAI 评分5353 K-Search 研究：通过 CUDA 到 MLX 的翻译层将内核优化知识迁移至 Apple Silicon
伯克利 AI 研究团队扩展了 K-Search 框架，为其添加了 MLX 后端和一个结构化的 CUDA-to-MLX 翻译层，可将 NVIDIA GPU 上的内核优化知识迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分3535 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让推理模型能自行决定何时分解并行化独立子任务、生成多少并发线程以及如何协调它们。现有方法如 Self-Consistency、Tree of Thoughts 和 GroupThink 的并行化决策均由外部框架强加，而非模型自适应选择。该方法旨在解决序列推理因探索路径积累导致的上下文窗口超限、性能下降和延迟增长问题。